珀尔因果关系理论的批评

在2000年，Judea Pearl发表了因果关系。这项工作有哪些争议？它的主要批评是什么？

一些作者不喜欢Pearl专注于有向无环图（DAG）作为查看因果关系的方式。Pearl基本上认为，任何因果系统都可以视为非参数结构方程模型（NPSEM），其中每个节点的值都取决于其父代和某些误差项的函数；通常，可以将不同节点之间的误差项进行关联，以表示常见原因。

例如，卡特赖特（Cartwright）的书《狩猎的原因和使用它们》给出了一个涉及汽车发动机的示例，她声称无法在NPSEM框架中建模。 珀尔在他对卡特赖特的书的评论中对此表示质疑。

其他人则警告说，DAG的使用可能会产生误导，因为箭头可能对所选择的模型具有明显的因果关系，而这可能根本不是事实。参见戴维德提防DAG。例如，三个DAG，和在Pearl的d分离准则下都诱导出相同的概率模型，即A独立于C因此，根据观察数据无法区分它们。A ← B → C A ← B ← $A \rightarrow B \rightarrow C$$A \leftarrow B \rightarrow C$$A \leftarrow B \leftarrow C$

但是，它们具有不同的因果关系解释，因此，如果我们希望在此处了解因果关系，我们将不仅需要简单的观察数据，无论是干预性实验的结果，系统的先验信息还是其他内容。

我认为此框架在一般均衡效应或违反稳定单位治疗价值假设方面存在很多麻烦。在那种情况下，“未处理”的观察不再以有意义的方式提供所需的反事实。改变整体工资分配的大规模职业培训计划就是一个例子。在某些情况下，反事实可能甚至定义不清。在Morgan和Winship的《反事实与因果模型》中，他们举了一个例子，即如果允许重罪犯和前重罪犯投票，2000年大选将对Al Gore有利。他们指出，反事实世界将有非常不同的候选者和问题，因此您无法描述替代因果状态。在其他条件不变 影响不是此处与策略相关的参数。

在我看来，对Pearl系统的最重要的批评是，它在任何使用过的地方都没有产生任何实际的，经验的进步。考虑到它已经存在了多久，没有理由认为它会成为一种实用工具。这表明它可以用于某些理论目的，也可以用于教学目的，但实际的研究人员将无法从中受益。