Вы наверняка слышали об иерархии доказательств (hierarchy of evidence), однако это не единственная попытка систематизировать оценки. Менее известной, но оттого не менее важной является иерархия причинности Джудеа Перла (Pearl, 2009), на которую мы уже ссылались в одном из постов
Когда мы смотрим на данные, возникает главный вопрос: что за ними стоит? Простых наблюдений недостаточно, чтобы находить причины и предсказывать последствия
1️⃣ уровень: взаимосвязь (association)
"X связан с Y?"
Вы заметили, что люди, гуляющие по торговому центру в дождливую погоду, чаще заходят в кафе
🔴Понимаем, какие переменные связаны (корреляция)
🔴Не отвечает на вопросы, связанные с причинными изменениями
🔴Источник данных -- наблюдаемые данные
🔴Этот уровень -- основа, но он недостаточен для принятия решений
2️⃣ уровень: воздействие (intervention)
"Что произойдёт, если я сделаю X?"
Вы решили предложить скидку на горячий шоколад и хотите узнать, увеличит ли это продажи
🔴Изучаем, как одно изменение влияет на другое (причина)
🔴Не позволяет ответить на ретроспективные и контрфактические вопросы
🔴Источник данных -- рандомизированные эксперименты или причинные байесовские сети
3️⃣ уровень: контрфакты (counterfactuals)
"Что бы произошло, если бы X было другим?"
Произошёл бы сбой на производстве, если бы мы установили другой тип оборудования?
🔴Можем рассматривать гипотетические сценарии и делать выводы о том, что было бы, если бы условия изменились
🔴Требует наличия функциональных моделей или структурных уравнений
🔴Это самый сложный, но и самый мощный уровень
⛳ Почему это важно? Без понимания причинности вы рискуете 🥲
🔴Делать выводы на основе ложных причинно-следственных связей (корреляций)
🔴Реагировать на краткосрочные эффекты, не видя общей картины (интервенция)
🔴Не понимать, что именно привело к успеху или провалу (контрфакты)
⛳ Направленность и связность иерархии ✨
🔴Взаимосвязи помогают увидеть паттерны в данных
🔴Интервенции позволяют менять реальность и измерять эффект
🔴Контрфакты дают понимание, почему всё произошло и что можно было бы улучшить
❗️Информация с уровня контрфактов (counterfactuals) может быть использована для ответа на вопросы взаимосвязи (association) и воздействия (intervention)
❗️Однако вопросы воздействия (intervention) невозможно решить только на основе информации о взаимосвязях (association), а контрфакты (counterfactuals) нельзя полностью вывести из данных о воздействии (intervention)
Иерархия причинности помогает структурировать вопросы и выбрать подходящие инструменты анализа -- от простых наблюдений до сложных моделей для контрфактических сценариев
📖 Коротко с концепцией можно ознакомиться в ноутбуке от PyMC Labs* или записке UCLA, но мы, конечно, рекомендуем обратиться к первоисточнику (Pearl, 2009; Pearl, Mackenzie, 2018) или лекции Джудеа Перла
Автор мема Kareem Carr
*Ребята делают много хорошего про байесовость. Если вы хотите впервые познакомиться с байесовостью, то можно начать с лекции выпускника ЭФ МГУ Максима Кочурова, разработчика PyMC тут
#канал_обозревает
@causal_channel