27、因果关系与时间序列：计量经济学家的贝叶斯之路

因果关系与时间序列：计量经济学家的贝叶斯之路

1. 公平性分析与因果推断

在进行因果推断时，公平性是一个重要的话题。我们不能仅仅基于对观测数据（如调查数据）的简单统计分析就对性别差距等类似效应下结论，因为结构方面在公平性分析中至关重要，忽略它几乎肯定会导致无效结果，如符号反转、效应掩盖或产生不存在的效应。

在自然语言处理（NLP）与因果关系的交叉领域，我们从路德维希·维特根斯坦的思想出发，探讨了这些思想如何有助于计算机高效编码自然语言。接着，我们深入研究了NLP与因果关系交叉时遇到的三种场景：文本作为处理因素、文本作为结果以及文本作为混杂因素。并展示了如何使用基于Transformer的CausalBert模型，在文本作为混杂因素的场景中调整文本嵌入以进行因果推断。最后，我们讨论了使用该模型时可能遇到的局限性和潜在挑战。

2. 准实验方法概述

随机对照试验（RCT）通常被认为是因果推断的“黄金标准”，但在某些情况下我们无法进行RCT。然而，存在一类广泛的情况，我们可以观察到自然发生的干预，这些干预无法控制或随机化，这类事件有时被称为自然实验。用于分析自然实验数据的一类方法被称为准实验方法，传统上准实验被视为时间序列问题，即观察某个时间点发生的事件，并跟踪某个可测量的量在事件发生后与某个基线相比的变化。

2.1 以Twitter收购为例

2022年10月27日，埃隆·马斯克收购了社交媒体平台Twitter，收购过程漫长且充满争议。10月28日，马斯克发推文称“鸟儿自由了”，这条推文迅速引起了公众和媒体的关注。为了探究这次收购是否改变了人们的谷歌搜索模式，我们将查看谷歌趋势数据，比较马斯克推文前后用户搜索Twitte