技术
Causal Inference（因果推断）
因果推断是从观测数据中估计变量间因果关系的方法，解决‘相关不等于因果’的问题，典型应用包括流行病学中的吸烟与肺癌关联、经济学中的政策效应评估，代表工作有Pearl的结构因果模型和Rubin的潜在结果框架。
详细解释
因果推断旨在超越统计关联，识别干预或处理对结果的因果效应。其核心挑战是混杂因素和选择偏差。主要框架包括Pearl的结构因果模型（SCM）和Rubin的潜在结果模型（RCM）。常用方法有随机对照试验（RCT）、工具变量、断点回归、双重差分、倾向得分匹配等。近年来，因果发现和因果表示学习成为机器学习与因果推断的交叉热点，旨在从高维数据中学习因果结构。
别名与相关写法
causal inference