Formalising causal inference as prediction on a target population
将因果推断形式化为目标总体上的预测AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确重构潜在结果框架，并研究目标总体上的处理结果预测与因果假设。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
将因果推断形式化为目标总体上的预测
- 研究问题
- 如何在潜在结果框架中明确观测样本与决策目标总体的关系，并把因果推断表述为可在事后检验的有限总体预测？
- 方法与思路
- 作者构建按处理分别预测有限总体结果的框架，强调假设可在事后检验，并利用与原框架的联系重新分析既有方法。
- 材料陈述的贡献
- 摘要称新框架既能检验预测，也能在预测失败时调查误差来源，同时保持与传统潜在结果框架和既有方法的联系。
- 阅读关注点
- 应核对目标总体和预测对象的定义、事后检验所需的观测信息，以及不可同时观测的潜在结果如何在新框架中处理。
- 阅读边界
- 这是arXiv预印本，不能认定已经同行评审或接收。摘要未展开可检验性的含义，不能据此断言所有因果假设均能直接实证验证。
原文摘要
The standard approach to causal modelling especially in social and health sciences is the potential outcomes framework due to Neyman and Rubin. In this framework, observations are thought to be drawn from a distribution over variables of interest, and the goal is to identify parameters of this distribution. Even though the stated goal is often to inform decision making on some target population, there is no straightforward way to include these target populations in the framework. Instead of modelling the relationship between the observed sample and the target population, the inductive assumptions in this framework take the form of abstract sampling and independence assumptions. In this paper, we develop a version of this framework that construes causal inference as treatment-wise predictions for finite populations where all assumptions are testable in retrospect; this means that one can not only test predictions themselves (without any fundamental problem) but also investigate sources of error when they fail. Due to close connections to the original framework, established methods can still be be analysed under the new framework.