Statistics and Causal Inference
统计学与因果推断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。
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：题名与摘要直接讨论因果推断模型、实验和统计陈述的因果解释。
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
统计学与因果推断
- 研究问题
- 统计模型能够对因果关系作出怎样的陈述，为什么相关性不足以推出因果，而精心设计的实验往往能支持因果结论？
- 方法与思路
- 作者使用 Holland 与 Rubin 所讨论的特定因果推断模型，评析哲学、医学、统计、计量经济学及因果建模领域的相关论述。
- 材料陈述的贡献
- 摘要所述贡献是以统一的因果模型审视不同学科的因果讨论，澄清统计建模与因果陈述之间的关系，而非报告新实证结果。
- 阅读关注点
- 应核对模型中因果对象与可观测量的区分、实验为何能支持因果陈述，以及对其他因果观点的批评所依赖的前提。
- 阅读边界
- 所给 OpenAlex 摘要未标稿件版本。摘要未展开具体因果定义、识别假设或论证细节，不能据此还原全文观点或推断刊本变化。
原文摘要
Problems involving causal inference have dogged at the heels of statistics since its earliest days. Correlation does not imply causation, and yet causal conclusions drawn from a carefully designed experiment are often valid. What can a statistical model say about causation? This question is addressed by using a particular model for causal inference (Holland and Rubin 1983; Rubin 1974) to critique the discussions of other writers on causation and causal inference. These include selected philosophers, medical researchers, statisticians, econometricians, and proponents of causal modeling.