Causal Models and Counterfactuals
Causal Models and Counterfactuals
复制标题
因果模型和反事实
DOI：
10.1007/978-94-007-6094-3_5
复制
发表时间：
2013
期刊：
影响因子：
--
通讯作者：
Charles C. Ragin
中科院分区：
文献类型：
--
作者：
James Mahoney;Gary Goertz;Charles C. Ragin
本文比较了统计和集合论方法的因果分析。统计学研究者通常使用加法、线性因果模型，而集合论研究者通常使用基于逻辑的因果模型。这些模型在许多基本方面有所不同，包括它们是否假设对称或不对称的因果模式，以及它们是否引起人们对等价性和组合因果关系的关注。这两种方法在如何利用反事实和进行反事实分析方面也有所不同。统计研究人员使用反事实来说明他们的结果，但他们不使用反事实分析的因果模型估计的目标。相比之下，集合论的研究人员使用反事实来估计模型，通过明确他们对因果变量定义的向量空间中的空扇区的假设。本文最后敦促更大的赞赏之间的差异统计和集理论的方法来进行因果分析。
This article compares statistical and set-theoretic approaches to causal analysis. Statistical researchers commonly use additive, linear causal models, whereas set-theoretic researchers typically use logic-based causal models. These models differ in many fundamental ways, including whether they assume symmetric or asymmetrical causal patterns, and whether they call attention to equifinality and combinatorial causation. The two approaches also differ in how they utilize counterfactuals and carry out counterfactual analysis. Statistical researchers use counterfactuals to illustrate their results, but they do not use counterfactual analysis for the goal of causal model estimation. By contrast, set-theoretic researchers use counterfactuals to estimate models by making explicit their assumptions about empty sectors in the vector space defined by the causal variables. The paper concludes by urging greater appreciation of the differences between the statistical and set-theoretic approaches to causal analysis.
地点、空间、艺术（书籍章节）
DOI：
--
发表时间：
2020
期刊：
影响因子：
--
作者：
南谷奉良（分担執筆）; 金井嘉彦;吉川信;横内一雄編著;James Thurgill
通讯作者：
James Thurgill
DOI：
10.2307/2073705
发表时间：
1990
期刊：
--
影响因子：
--
作者：
G. Esping-Andersen
通讯作者：
G. Esping-Andersen