Rzeczy są tutaj zdecydowanie dopracowane. Przyczyna nie implikuje korelacji ani nawet zależności statystycznej, przynajmniej nie w prosty sposób, w jaki zwykle o nich myślimy, lub w sposób sugerowany przez niektóre odpowiedzi (po prostu przekształcenie lub itp.).YXY
Rozważ następujący model przyczynowy:
X→Y←U
Oznacza to, że zarówno i przyczyną .U YXUY
Teraz pozwól:
X∼bernoulli(0.5)U∼bernoulli(0.5)Y=1−X−U+2XU
Załóżmy, że nie obserwujemy . Zauważ, że . Oznacza to, że chociaż powoduje (w sensie nieparametrycznego równania strukturalnego), nie widzisz żadnej zależności! Można to zrobić żadnej nieliniowej transformacji chcesz i że nie ujawni żadnych zależności, ponieważ nie ma żadnego marginalny zależność i tutaj.UP(Y|X)=P(Y)XYYX
Cała sztuka polega na tym, że chociaż i powodują , to nieznacznie ich średni efekt przyczynowy wynosi zero. Widzisz tylko (dokładną) zależność, gdy uwarunkowanie zarówno i razem (pokazuje to również, że i nie implikuje ). Tak, można argumentować, że pomimo tego, że powoduje , marginalny efekt przyczynowyXUYXUX⊥YU⊥Y X Y X{X,U}⊥YXYXYXYXYU
Krótko mówiąc, powiedziałbym, że: (i) przyczynowość sugeruje zależność; ale (ii) zależność jest zależnością funkcjonalną / strukturalną i może, ale nie musi, przełożyć się na konkretną zależność statystyczną, o której myślisz.