Aprendizaje estadístico y econometría

Question

El objetivo principal de la econometría es encontrar efectos causales entre las variables económicas. Pero el creciente nivel tecnológico parece mostrarnos que el Big Data y el Aprendizaje Estadístico resultan en un tradeoff con la econometría, ya que según algunos profesores (y profesionales), el campo de la Estadística, una vez que se aplica en economía, debe ser guiado por la teoría económica porque sus alternativas encuentran correlaciones (No inferencia).

Teniendo en cuenta lo anterior, ¿es posible encontrar efectos causales entre variables económicas con métodos de Aprendizaje Estadístico como alternativas a la Econometría?

Gracias.

(Perdón por los errores, no soy nativo en inglés)

Answer 1

Como sugirió @markleeds, Judea Pearl hizo una importante contribución al campo de la causalidad.

Su trabajo (aunque no es innovador) explica que la causalidad no puede representarse mediante probabilidades conjuntas. De hecho, ni siquiera los modelos econométricos pueden modelar la causalidad.

Por lo tanto, tenemos que utilizar el modelo causal de Rubin, la causalidad de Granger, la diferencia en diferencias o lo que sea, para explorar la causalidad.

Así que la respuesta a tu pregunta es sí y no. Podemos utilizar técnicas de aprendizaje estadístico en combinación con marcos causales, pero por sí solas no pueden proporcionar causalidad de forma rigurosa.

Por ejemplo, se me ocurrió una solución muy sencilla para utilizar respuestas de impulso especiales (en mi caso, vectores de un solo disparo como $(1,0,0), (0,1,0), (0,0,1)$ ) para eliminar los efectos parciales de las variables de entrada en el resultado en las redes neuronales. Enlace aquí: http://ravshansk.com/articles/irf-ann

Pero todos estos son solo hacks y no tienen el rigor necesario. Judea Pearl sostiene que debemos tener una nueva notación para la causalidad o utilizar modelos gráficos de cualquier tipo.