ฉันอ่านหนังสือทำไมจากแคว้นยูเดียเพิร์ลและมันจะได้รับภายใต้ผิวของฉัน1 โดยเฉพาะสำหรับฉันมันดูเหมือนว่าเขาจะทุบสถิติ "คลาสสิก" อย่างไร้เงื่อนไขโดยการใส่อาร์กิวเมนต์ของมนุษย์ฟางที่สถิติไม่เคยสามารถตรวจสอบความสัมพันธ์เชิงสาเหตุที่ไม่เคยสนใจความสัมพันธ์เชิงสาเหตุและสถิตินั้น "กลายเป็นแบบจำลอง - ลดข้อมูลองค์กร " สถิติกลายเป็นคำน่าเกลียดในหนังสือของเขา
ตัวอย่างเช่น:
นักสถิติสับสนอย่างมากเกี่ยวกับตัวแปรที่ควรและไม่ควรควบคุมดังนั้นการฝึกหัดเริ่มต้นคือการควบคุมทุกสิ่งที่เราสามารถวัดได้ [... ] มันเป็นวิธีที่สะดวกและง่ายในการติดตาม แต่มันทั้งสิ้นเปลืองและขี่ไปด้วยความผิดพลาด ความสำเร็จที่สำคัญของการปฏิวัติเชิงสาเหตุได้ทำให้ความสับสนนี้สิ้นสุดลง
ในขณะเดียวกันนักสถิติก็ประเมินการควบคุมในแง่ที่ว่าพวกเขาไม่เต็มใจที่จะพูดคุยเกี่ยวกับความเป็นเหตุเป็นผล [... ]
อย่างไรก็ตามแบบจำลองเชิงสาเหตุมีสถิติเช่นนี้ตลอดไป ฉันหมายถึงแบบจำลองการถดถอยสามารถนำมาใช้เป็นแบบจำลองเชิงสาเหตุได้เนื่องจากเราสมมติว่าตัวแปรหนึ่งเป็นสาเหตุและอีกอย่างคือผลกระทบ .
อ้างอีก:
ไม่น่าแปลกใจที่นักสถิติพบว่าปริศนานี้ [ปัญหา Monty Hall] ยากที่จะเข้าใจ พวกเขาเคยชินกับการที่ RA Fisher (1922) กล่าวว่า "การลดลงของข้อมูล" และไม่สนใจกระบวนการสร้างข้อมูล
สิ่งนี้ทำให้ฉันนึกถึงคำตอบที่แอนดรูว์เจลแมนเขียนถึงการ์ตูน xkcd ที่มีชื่อเสียงใน Bayesians และผู้ที่พบบ่อย: "ถึงกระนั้นฉันคิดว่าการ์ตูนโดยรวมนั้นไม่ยุติธรรมในการเปรียบเทียบ Bayesian ที่สมเหตุสมผลกับสถิติ ."
จำนวนการบิดเบือนความจริงของคำที่ฉันเห็นมันมีอยู่ในหนังสือจูเดียเพิร์ลทำให้ฉันสงสัยว่าการอนุมานเชิงสาเหตุ (ซึ่งฉันเห็นว่าเป็นวิธีที่มีประโยชน์และน่าสนใจในการจัดระเบียบและการทดสอบสมมติฐานทางวิทยาศาสตร์2 )
คำถาม:คุณคิดว่าจูเดียเพิร์ลเป็นสถิติที่บิดเบือนความจริงและถ้าใช่ทำไม? เพียงเพื่อให้การอนุมานเชิงสาเหตุมีขนาดใหญ่กว่าที่เป็นอยู่? คุณคิดว่าการอนุมานเชิงสาเหตุเป็นการปฏิวัติที่มี R ขนาดใหญ่ซึ่งเปลี่ยนแปลงความคิดของเราจริง ๆ หรือไม่?
แก้ไข:
คำถามข้างต้นเป็นปัญหาหลักของฉัน แต่เนื่องจากเป็นที่ยอมรับยอมรับให้ความเห็นโปรดตอบคำถามที่เป็นรูปธรรมเหล่านี้ (1) ความหมายของ "การปฏิวัติเป็นสาเหตุ" คืออะไร? (2) มันแตกต่างจากสถิติ "ดั้งเดิม" อย่างไร
1. นอกจากนี้เพราะเขาเป็นเช่นเป็นคนเจียมเนื้อเจียมตัว
2. ฉันหมายถึงในแง่วิทยาศาสตร์ไม่ใช่เชิงสถิติ
แก้ไข : Andrew Gelman เขียนโพสต์บล็อกนี้ในหนังสือ Judea Pearls และฉันคิดว่าเขาทำงานได้ดีกว่ามากในการอธิบายปัญหาของฉันกับหนังสือเล่มนี้มากกว่าที่ฉันทำ นี่คือคำพูดสองคำ:
ในหน้า 66 ของหนังสือ Pearl และ Mackenzie เขียนว่าสถิติ“ กลายเป็นองค์กรการลดข้อมูลแบบคนตาบอด” เฮ้! คุณกำลังพูดถึงเรื่องอะไร? ฉันเป็นนักสถิติฉันทำสถิติมา 30 ปีทำงานในด้านต่าง ๆ ตั้งแต่การเมืองจนถึงพิษวิทยา “ การลดข้อมูลแบบคนตาบอด”? นั่นเป็นเพียงแค่เรื่องเหลวไหล เราใช้โมเดลตลอดเวลา
และอีกหนึ่ง:
ดู. ฉันรู้เกี่ยวกับภาวะที่กลืนไม่เข้าคายไม่ออกของพหุนิยม ในอีกด้านหนึ่งเพิร์ลเชื่อว่าวิธีการของเขาดีกว่าทุกอย่างที่เกิดขึ้นก่อนหน้านี้ ละเอียด. สำหรับเขาและสำหรับคนอื่น ๆ พวกเขาเป็นเครื่องมือที่ดีที่สุดสำหรับการศึกษาการอนุมานสาเหตุ ในขณะเดียวกันในฐานะนักพหุนิยมหรือนักเรียนที่มีประวัติทางวิทยาศาสตร์เราตระหนักว่ามีหลายวิธีในการอบเค้ก มันยากที่จะแสดงความเคารพต่อวิธีการที่คุณไม่ได้ผลสำหรับคุณและในบางจุดวิธีเดียวที่จะทำได้คือการถอยกลับและตระหนักว่าคนจริงใช้วิธีการเหล่านี้เพื่อแก้ปัญหาที่แท้จริง ตัวอย่างเช่นฉันคิดว่าการตัดสินใจโดยใช้ p-values เป็นแนวคิดที่แย่และมีเหตุผลที่ไม่สอดคล้องกันซึ่งนำไปสู่ภัยพิบัติทางวิทยาศาสตร์มากมาย ในเวลาเดียวกันนักวิทยาศาสตร์หลายคนจัดการเพื่อใช้ค่า p เป็นเครื่องมือสำหรับการเรียนรู้ ฉันยอมรับว่า ในทำนองเดียวกัน ฉันขอแนะนำให้ Pearl รับรู้ว่าเครื่องมือของสถิติการสร้างแบบจำลองการถดถอยเชิงลำดับขั้นการโต้ตอบการสร้างโพสต์การเรียนรู้ของเครื่อง ฯลฯ แก้ปัญหาจริงในการอนุมานเชิงสาเหตุ วิธีการของเราเช่นเดียวกับไข่มุกก็สามารถทำให้ยุ่งเหยิงได้ - GIGO! - และบางทีสิทธิของ Pearl ที่เราทุกคนควรจะเปลี่ยนไปใช้แนวทางของเขา แต่ฉันไม่คิดว่ามันจะช่วยได้เมื่อเขาออกแถลงการณ์ที่ไม่ถูกต้องเกี่ยวกับสิ่งที่เราทำ