Challenges in Statistics: A Dozen Challenges in Causality and Causal Inference
统计学的挑战：因果关系与因果推断的十二项挑战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：题名和摘要均明确以因果关系、因果推断及其开放问题为讨论对象。
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…
统计学的挑战：因果关系与因果推断的十二项挑战
- 研究问题
- 因果推断在统计学与医学、社会科学和计算机科学的交叉处还面临哪些开放问题，领域知识应如何参与研究推进？
- 方法与思路
- 作者以讨论文章的形式勾勒其认为有前景的研究方向和开放问题，强调理论、方法、软件及与领域研究者合作的共同作用。
- 材料陈述的贡献
- 摘要所述贡献是组织未来因果研究的议题，强调跨学科知识及多种研究贡献的重要性，并未报告具体新估计量或定理。
- 阅读关注点
- 应核对十二项挑战的具体内容、各项问题的现有进展与尚未解决之处，以及作者如何界定领域知识和软件工具的作用。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未列出十二项挑战，无法据此判断具体议题或解决方案。
原文摘要
Causality and causal inference have emerged as core research areas at the interface of modern statistics and domains including biomedical sciences, social sciences, computer science, and beyond. The field's inherently interdisciplinary nature -- particularly the central role of incorporating domain knowledge -- creates a rich and varied set of statistical challenges. Much progress has been made, especially in the last three decades, but there remain many open questions. Our goal in this discussion is to outline research directions and open problems we view as particularly promising for future work. Throughout we emphasize that advancing causal research requires a wide range of contributions, from novel theory and methodological innovations to improved software tools and closer engagement with domain scientists and practitioners.