Interpretational errors in statistical causal inference
统计因果推断中的解释性错误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：摘要直接研究统计因果推断及随机中介参数的解释错误，属于因果推断方向。
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…
统计因果推断中的解释性错误
- 研究问题
- 统计因果推断中的自然语言结论如何发生“身份滑移”，使统计参数的含义与应用者赋予它的政策解释出现偏离？
- 方法与思路
- 作者形式化定义“身份滑移”，用其分析既有谬误，并系统审查随机中介参数文献中的自然语言表述与应用解释。
- 材料陈述的贡献
- 摘要称，系统综述发现应用中广泛存在身份滑移，并提出可用于检查统计结果解释、辅助政策沟通的错误检测框架。
- 阅读关注点
- 阅读时应核对身份滑移的严格定义、文献筛选与判定规则，以及统计参数解释错误如何与识别失败或模型错误区分。
- 阅读边界
- 本条依据 arXiv 预印本摘要，同行评审与接收未核实；摘要未说明综述规模、判定一致性及错误发生的具体比例。
原文摘要
We formalize an interpretational error that is common in statistical causal inference, termed identity slippage. This formalism is used to describe historically-recognized fallacies, and analyse a fast-growing literature in statistics and applied fields. We conducted a systematic review of natural language claims in the literature on stochastic mediation parameters, and documented extensive evidence of identity slippage in applications. This framework for error detection is applicable whenever policy decisions depend on the accurate interpretation of statistical results, which is nearly always the case. Therefore, broad awareness of identity slippage will aid statisticians in the successful translation of data into public good.