1、因果关系、预测与搜索：统计方法的新探索

因果关系、预测与搜索：统计方法的新探索

1. 统计研究的核心挑战

统计主要关注受众多原因影响的数据。实验试图通过去除除一个原因之外的其他原因来解开复杂的因果关系，或者在可能的情况下，将其他原因的影响降低到相对较小的程度。而统计则需分析受众多原因影响的数据，并从这些数据中找出重要的原因以及每个原因对观察结果的影响程度。

例如，在社会和行为科学、流行病学、经济学、市场研究、工程学甚至应用物理学中，统计方法常被用于从非随机实验数据中进行因果推断，并预测政策、操作或实验的效果。

2. 统计观念的演变

G. Udny Yule 的工作体现了一种统计愿景，其目标是研究何时以及如何从统计样本中可靠地推断因果影响并估计其相对强度。然而，Ronald Fisher 的观念逐渐取代了 Yule 的观念，在 Fisher 的观念中，实验性和非实验性研究之间存在根本分歧，若无随机实验试验，统计在因果推断方面的作用有限。但统计界不时有人对此表示担忧，我们的工作回归到类似于 Yule 的理论统计观念及其潜在的实际益处。

3. 研究的目标与意义

我们的研究旨在为任何对使用统计方法获取科学解释或预测行动、实验或政策结果感兴趣的人提供帮助。具体目标包括：
- 开发一种理论，用于确定在何种条件下可以可靠地进行因果推断和预测操作效果。
- 展示存在渐近可靠、计算高效的搜索程序，可从样本数据的统计决策结果中推测因果关系。
- 说明对因果关系和概率之间关系的正确理解有助于澄清统计文献中的各种主题，如实验与观察的比较能力、辛普森悖论、回归模型中的误差等。

4. 理论基础与方法

我们的