Top 10 Books on Causal Inference
这十本书改变了社会科学家（包括您真正的科学家）思考和建立因果关系的方式。几十年来，社会科学严重依赖相关性和预测，经常将统计关联视为因果解释的证据。这些作品共同标志着这一方法的决定性转变。这一变化的核心是 [...]
Granger Causal Networks and Indirect Feedback
结构 VAR 的非参数变量选择后格兰杰因果网络和间接反馈首先出现在《走向数据科学》上。
Anti-Causal Domain Generalization: Leveraging Unlabeled Data
领域泛化问题涉及学习预测模型，这些模型在部署到以前未见过的新环境中时对分布变化具有鲁棒性。现有方法通常需要来自多个训练环境的标记数据，当标记数据稀缺时限制了它们的适用性。在这项工作中，我们研究反因果环境中的领域泛化，其中结果导致观察到的协变量。在这种结构下，影响协变量的环境扰动不会传播到结果，这会促使模型对……的敏感性进行正则化。
对于大多数人来说，统计推理显然是自相矛盾的。以著名的辛普森悖论为例。从理论角度来看，辛普森悖论重要地表明，因果关系永远不能简化为统计或概率问题，除非你奇迹般地能够保持影响结果概率的所有其他因素不变[...]
The Difference Between Scientific and Legal Causation
Alex Smolak, Stat 当最高法院周四在农达诉讼中让孟山都公司取得重大胜利时，头条新闻听起来像是一个科学事件：一个关于农达是否导致……的案件
Social calibration of sycophantic AI | Science
在他们的研究文章“阿谀奉承的人工智能会降低亲社会意图并促进依赖性”（3 月 26 日，10.1126/science.aec8352）中，M. Cheng 等人。表明人工智能（AI）系统比人类更有可能在有争议的场景中支持用户的立场。随机实验设计表明，接触此类肯定反应会降低用户在人际冲突中采取亲社会纠正行动的意愿，并增加对人工智能系统的信任和依赖。这些发现在模型对齐策略和下游人类行为之间建立了因果联系，凸显了人工智能对齐核心的紧张关系：针对用户满意度进行优化可能会系统性地使模型偏向于达成一致，即使分歧可以更好地服务于用户的长期利益或社会结果。阿谀奉承不仅是一种失败模式，而且是源自用户偏好的强化信
Experiment — en metod med förhinder
尼尔斯·古斯塔夫森 (Nils Gustafsson) 和尼尔斯·霍姆伯格 (Nils Holmberg) 的著作《实验》（学生文献，2023 年）体现了社会科学的新趋势，人们对实验越来越感兴趣，尤其是对如何设计这些实验（如果可能的话）来提供有关因果关系和政策效应问题的答案。研究例如歧视引发[...]
ESG投资是综合考虑气候变化、人权、人力资本、治理等非财务因素，并将其纳入投资决策的方法。它与企业社会责任（CSR）和可持续概念的不同之处在于，它将ESG因素作为投资决策的重要变量，并将其与投资绩效（财务回报和风险）直接联系起来。对于长期投资者来说，企业价值还取决于企业应对未来商业环境和社会约束的能力。因此，ESG 投资被定位为投资者和公司创建可持续社会的互惠互利的方式。然而，ESG投资并不总是能带来高投资回报。这次，我想探讨最新的趋势和当前的位置，重点是美国。首先，我想了解一下ESG投资的表现。由于企业特征和与反向因果关系相关的内生性等问题，学术研究结果差异很大，并且不一致和稳健。然而，普遍
Time-Series LLMs, Explained with t0-alpha
t0-alpha 是用于概率时间序列预测的解码器式补丁转换器。原始序列被分成 32 步补丁，嵌入，通过因果时间注意力和群体注意力层进行处理，并解码为未来分位数而不是单点预测。后时间序列法学硕士，用 t0-alpha 解释首先出现在《走向数据科学》上。
■总结 之前，本文讨论了“因果推理的确认——‘固定’分支点，但‘固定’中间点和汇合点。”这一次，我们将把这个想法更进一步。现实中，还有更复杂的结构，典型的例子就是“Mbias”的情况。我想考虑这个协变量是否应该被修复。 ■目录・介绍・什么是因果图？・什么是“M-偏差”？・M-偏差从1990年左右开始被认识・防止M-偏差发生的其他条件 在本文之前，我们讨论了“因果推理的确认 - “固定”分支点，但不“固定”中点和汇合点。”在因果推理中，有必要仔细考虑“哪些选择或事件导致结果发生变化（转折点）”，“一路上什么影响了结果，什么没有影响（中间点）”，以及“即使走不同的路，最终是否有可能得到相同的结果（
IEEE Transactions on Artificial Intelligence, Volume 7, Issue 7, July 2026
1) 因果关系和深度生成模型中的新兴协同作用：调查作者：G. Zhou，S. Xie，G. -Y。郝，陈，B.黄，X.徐，C.王，L.朱，L.姚，K.张页数：3634 - 36522）扩散模型可解释性的方法：系统综述作者：T. Lakhani，J. Wu，Y. -K。 Lai, Z. Ji页数：3653 - 36703) 人工智能和大脑连接如何为耐药性癫痫的结果预测提供信息作者：E. Paolini, G. Menegaz, E. Tamilia, S. F. Storti页数：3671 - 36874) 从奖励角度看 LLM 调整进展的调查设计作者：M. Ji, Y. Wu, Z. Wu,
How credible is the ‘credibility revolution’ in econometrics?
特别是当涉及到因果关系问题时，随机化现在被认为是“黄金标准”。一切都必须以证据为基础，证据必须来自随机实验。资助机构需要它。期刊更喜欢它。政策制定者相信它。但就像计量经济模型一样，随机化基本上是一种演绎方法。鉴于假设 - [...]
Nancy Cartwright’s contributions to the philosophy of science
除了罗伊·巴斯卡和托尼·劳森之外，南希·卡特赖特可能是对我在这一领域的思考影响最大的科学哲学家。卡特赖特和您真正坚定地致力于批判现实主义，共同致力于深度现实主义。我们拒绝将因果关系简化为无的平面休谟经验主义 [...]
Model reification in statistics and econometrics
由于计量经济学致力于用因果关系来解释事物，因此它需要许多假设。经济科学中的限制模型假设总是必须仔细检查，因为如果我们要证明我们在模型中隔离的机制或原因是稳定的 - 从某种意义上说它们不会改变[...]
What does randomisation guarantee? Nothing!
人们常说，进行随机实验的目的是让研究人员能够根据观察到的相关性做出更强的因果推论。这一主张基于这样的想法：随机化减少了治疗组和对照组之间的系统差异，从而限制了混杂因素的影响。这种相当简单的观点的问题是 [...]
Fatal spider envenomation: a systematic review of autopsy findings
致命蜘蛛中毒：尸检结果的系统回顾摘要背景致命蜘蛛中毒在当代医学实践中极为罕见；然而，零星报告继续出现在法医文献中，其特点往往是诊断不确定性和文献资料异构。这项系统评价严格评估了所有已发表的蜘蛛毒害致死病例，重点关注尸检结果、组织病理学模式和因果归因的医学法律稳健性。结果根据 PRISMA 2020 指南，从数据库建立到 2026 年 2 月 14 日，对 PubMed/MEDLINE、Embase 和 Scopus 进行了系统检索。十二项研究符合预定的纳入标准并被纳入定性综合。 7 例 (58%) 得到尸检结果的支持，5 例是临床上有充分记录的死亡病例，未经尸检。 Loxosceles 占大多
