কার্যকারণের কোন তত্ত্বগুলি আমার জানা উচিত?

Question

কার্যক্ষমতার জন্য কোন তাত্ত্বিক পদ্ধতির প্রয়োগ হওয়া পরিসংখ্যানবিদ / একনোমেট্রিশিয়ান হিসাবে আমার জানা উচিত?

আমি জানি (খুব সামান্য)

• নেইম্যান – রুবিন কার্যকারিতা মডেল (এবং রায় , হাভেলমো ইত্যাদি)
• কার্যকারণে মুক্তার কাজ
• গ্রেঞ্জার কার্যকারিতা (যদিও চিকিত্সা-ভিত্তিক কম)

আমি কোন ধারণাগুলি মিস করি বা আমার সচেতন হওয়া উচিত?

সম্পর্কিত: কোন তত্ত্বগুলি মেশিন লার্নিংয়ে কার্যকারণের ভিত্তি?

আমি এই আকর্ষণীয় প্রশ্ন এবং উত্তরগুলি ( 1 , 2 , 3 ) পড়েছি তবে আমি মনে করি এটি একটি আলাদা প্রশ্ন। এবং আমি খুব অবাক হয়ে দেখলাম যে "কার্যকারিতা" উদাহরণস্বরূপ, পরিসংখ্যানগত শিক্ষার উপাদানগুলিতে উল্লেখ করা হয়নি ।

Comments

এজেএস-এ কার্যকারিতা নিয়ে অ্যান্ড্রু গেলম্যানের বিভিন্ন কাজের পর্যালোচনা দেখুন: গেলম্যান, এ (২০১১)। কার্যকারিতা এবং পরিসংখ্যান শিক্ষা। আমেরিকান জার্নাল অফ সমাজবিজ্ঞান, 117 (3), 955-966। doi: 10.1086 / 662659 । এটি রুবিন এবং পার্লের কাজগুলির পাশাপাশি কিছু অন্যের নির্দিষ্ট উল্লেখ সহ সামাজিক বিজ্ঞানের কার্যকারিতার একটি সংক্ষিপ্ত বিবরণ। রেফারেন্সগুলি ঘাটানোর জন্য একটি ভাল জায়গা।

— পাকমো

শুরু করার জন্য, (জন স্টুয়ার্ট) মিলের পদ্ধতিগুলি। en.wikedia.org/wiki/Mill's_Methods

— noumenal

গ্র্যাঞ্জার কার্যকারিতার সম্ভাব্য ভুল ব্যাখ্যা সম্পর্কে স্বীকৃত উত্তরের অধীনে আমার মন্তব্য দেখুন।

— রিচার্ড হার্ডি

Answer 1

$B$

যদিও এটি প্রায় অযৌক্তিক যে কোনও কারণে সময়ে তার প্রভাবের আগে চলে যেতে পারে, সময়ের নজিরের সাথে কার্যকারণমূলক সিদ্ধান্তে পৌঁছানোর জন্য আপনাকে এখনও উদ্দীপ্ত সংঘের অন্যান্য উত্সগুলির মধ্যে বিভ্রান্তির অভাব দাবি করতে হবে।

এখন সম্ভাব্য ফলাফল (নেইমন-রুবিন) বনাম কার্যকারণ গ্রাফ / স্ট্রাকচারাল সমীকরণ মডেলিং (পার্ল) সম্পর্কিত, আমি বলব এটি একটি মিথ্যা দ্বিধা এবং আপনার উভয়ই শিখতে হবে।

প্রথমত, এটি লক্ষ করা গুরুত্বপূর্ণ যে এগুলি কার্যকারিতা সম্পর্কে বিপরীত মত নয় । পার্ল যেমন লিখেছেন, (কার্যকারণ) অনুমানের কাজগুলি সম্পর্কে একটি শ্রেণিবিন্যাস রয়েছে:

1. পর্যবেক্ষণ পূর্বাভাস
2. হস্তক্ষেপের অধীনে ভবিষ্যদ্বাণী
3. Counterfactuals

প্রথম কাজের জন্য আপনাকে কেবল পর্যবেক্ষণের ভেরিয়েবলগুলির যৌথ বন্টন জানতে হবে। দ্বিতীয় কাজের জন্য আপনাকে যৌথ বন্টন এবং কার্যকারিতা সম্পর্কে জানতে হবে to কাউন্টারফ্যাক্টুয়ালগুলির শেষ কাজটির জন্য আপনার কাঠামোগত সমীকরণ মডেলের কার্যকরী ফর্মগুলি সম্পর্কে আপনার আরও কিছু তথ্যের প্রয়োজন হবে।

সুতরাং যখন counterfactuals বিষয়ে কথা, সেখানে উভয় দৃষ্টিভঙ্গির মাঝের একটি আনুষ্ঠানিক সমানতা এর । পার্থক্যটি হ'ল সম্ভাব্য ফলাফলগুলি প্রতিরক্ষামূলক বক্তব্যগুলিকে আদিম হিসাবে গ্রহণ করে এবং ডিএজিগুলিতে প্রতিরক্ষা কাঠামোগত সমীকরণ থেকে প্রাপ্ত বলে মনে হয় । তবে, আপনি জিজ্ঞাসা করতে পারেন, তারা যদি "সমতুল্য" হয় তবে কেন উভয় শিখতে বিরক্ত করবেন? কারণ বিষয়গুলি প্রকাশ এবং উত্সাহিত করতে "স্বাচ্ছন্দ্য" র শর্তাবলী মধ্যে পার্থক্য রয়েছে।

উদাহরণস্বরূপ, কেবল সম্ভাব্য ফলাফলগুলি ব্যবহার করে এম-বায়াসের ধারণাটি প্রকাশ করার চেষ্টা করুন --- আমি এর আগে কখনও ভাল দেখিনি। আসলে, এখনও পর্যন্ত আমার অভিজ্ঞতা হ'ল যে গবেষকরা কখনও গ্রাফ অধ্যয়ন করেননি তারা এমনকি এ সম্পর্কে অবগত নন। এছাড়াও, গ্রাফিক্যাল ভাষায় আপনার মডেলের মূল অনুমানগুলি ingালাই এটির অভিজ্ঞতাগত পরীক্ষামূলক প্রভাবগুলি সনাক্তকরণ এবং শনাক্তকরণের প্রশ্নের উত্তরগুলি গণনার ক্ষেত্রে আরও সহজ করে তুলবে। অন্যদিকে, কখনও কখনও লোকেরা প্রথমে নিজের প্রতিরক্ষাগুলি সম্পর্কে সরাসরি চিন্তা করা সহজ করে এবং খুব নির্দিষ্ট প্রশ্নের উত্তর দেওয়ার জন্য এটি প্যারাম্যাট্রিক অনুমানের সাথে একত্রিত করে।

আরও অনেক কিছু বলতে পারে, তবে এখানে মূল কথাটি হ'ল আপনার "কীভাবে উভয় ভাষায় কথা বলতে" শেখা উচিত। রেফারেন্সের জন্য, আপনি এখানে কীভাবে শুরু করবেন তা পরীক্ষা করতে পারেন।

Comments

আপনি কি এমন কোনও উদাহরণ প্রদান করতে পারেন যা পিওগুলির ক্ষেত্রে প্রকাশ করা সহজ, তবে ডিএজিগুলিতে নয়?

— গিলহার্ম ডুয়ার্টে

উদাহরণস্বরূপ নেস্টেড কাউন্টারফ্যাক্টুয়ালদের জড়িত @ গুয়েলহেরমিডুয়ার্টে মধ্যস্থতার পরিমাণগুলি

— কার্লোস সিনেল্লি

$A\xrightarrow{Granger} B$$A$$B$$B$

@ রিচার্ড হার্ডি আমি মনে করি আপনি ঠিক বলেছেন, সূর্যোদয়ের এক ঘন্টার আগে সর্বদা কাঁকড়া এমন একটি নিখুঁত মোরগের সূর্যোদয় সময় সিরিজের লিনিয়ার মডেলের বাইরে কিছুটা ভবিষ্যদ্বাণীপূর্ণ শক্তি থাকতে পারে (যেহেতু সূর্যোদয় প্রতিদিন একই রকম হয় না) তবে একটি নিখুঁত মডেল সহ এটি সম্ভবত কিছুই যোগ করে না।

— কার্লোস সিনেলি

আমি মনে করি গ্রেঞ্জার কার্যকারিতা অতিরিক্ত বি পরিবর্তনশীল এ এর ​​প্রয়োজনীয়তার ন্যায্যতা প্রমাণ করার জন্য কেবল বি এর ইতিহাস সহ নিকৃষ্ট ভবিষ্যদ্বাণীমূলক মডেলগুলি ব্যবহার করার পরামর্শ দেয় না এবং তাই গ্রেঞ্জার কার্যকারিতা। পরিবর্তে, একটি আদর্শভাবে বি এর নিজস্ব ইতিহাস ব্যবহার করে যথাসম্ভব ভাল মডেলের লক্ষ্যে লক্ষ্য রাখবেন এবং তারপরে দেখুন এ (কোনও আকারে) যুক্ত করে বি কে পূর্বাভাস দিতে সহায়তা করে এবং অবশ্যই, "একটি নিখুঁত মোরগ" একটি বরং ইউটোপীয় ধারণা। এটি দেওয়া, আমি মনে করি এটির প্রতিফলন করার জন্য উত্তর সম্পাদনা করা ভাল ধারণা হতে পারে।

— রিচার্ড হার্ডি