显示因果关系的经验方法是什么？

简单的线性回归仅显示两个变量之间的相关性。为了建立因果关系，两种常用的方法是IV回归和自然实验。人们用来建立因果关系的其他方法有哪些？

自然实验通常是因果推理的环境，而不是因果推理工具本身。无论如何，即使您进行了自然实验，您还是经常需要采用差异差异或工具变量之类的方法。

这里是统计因果推断方法的列表（方法：放置说明）

• 工具变量：随机分配的变量X仅通过Y影响Z
• 差异的差异：如果两组具有共同的趋势，并且仅对一组进行治疗，则两组之间的差异变化就是治疗效果
• 回归间断性：如果确定了硬阈值，请查看该阈值附近的差异
• 倾向得分匹配：通过将可能要治疗（但实际上没有治疗）的未治疗观察值与具有相似治疗可能性的治疗观察值进行匹配，来创建对照组。
• Manhalobis距离匹配：通过匹配看起来与已处理的未经处理的观察值来创建对照组。另一个值得注意的距离度量是“ 粗略精确匹配”。
• 综合控制：只有一个经过处理的观察值时，请创建未经处理的观察值的组合，这些观察值分别是不完善的控制，但共同充当一个良好的控制。
• 合成队列-处理小组（如一组人）的重复观察并采用小组技术。
• 选择偏差建模（如Heckman校正）：假定选择偏差的参数形式并将其删除，因此可以按因果解释校正后的回归结果。
• 样本加权更广泛 -通过加权样本单位使其看起来更像真正的目标种群，可以解决由内源性参与和未建模的异质性引起的偏差。

“差异中的差异”可能是计量经济学中最喜欢的方法（尽管它需要自举，即根据自相关校正数据）。它基本上比较了两组的演化，从没有一个受给定因子影响的点到其中一个受到该因子影响的点。一个著名的例子是Card和Krueger使用该方法调查最低工资的影响。

回归不连续设计就像差异一样是一种利用自然实验的方法。它建立在任意规则之上，这些规则为其他类似的单元提供了不同的“处理”。

维基百科的一个例子：

如果所有给定年级以上的学生（例如80％）都获得了奖学金，则可以通过比较80％截止点附近的学生来得出当地的治疗效果：直觉是，得分为79％的学生很有可能这与得分为81％的学生非常相似-给定的最低门槛为80％，但是，一名学生将获得奖学金，而另一名学生则不会。因此，将获奖者（治疗组）的结果与非接受者（对照组）的反事实结果进行比较，将产生局部治疗效果。

要跟踪@EnergyNumbers的评论，因果关系来自您的理论。

一个关键的区别是：@BKay答案中任何方法的数学运算旨在在过程结束时吐出数字。例如，考虑diff-in-diff，您的治疗就像被狗舔在脸上一样愚蠢。您始终可以设置差异比较，以查看被狗舔在脸上是否会导致人们成为宇航员。

除了愚蠢之外，从头开始考虑因果关系可能非常有帮助-包括您选择的程序。经济学研讨会经常围绕理论的可行性和假设的有效性展开。