kausaalimallinnusta
Kausaalimallinnusta tarkoitetaan tutkimusmenetelmien kokonaisuutta, jolla pyritään kuvaamaan ja arvioimaan syy-seuraussuhteita datassa. Sen tavoitteena on erottaa syy-seurausilmiöt korrelaatioista sekä määrittää, miten muutos tietyssä selittäjätekijässä vaikuttaa lopputulokseen. Kausaalinen ymmärrys auttaa sekä mekanismien hahmottamisessa että päätösten tekemisessä politiikkoja tai hoitokäytäntöjä suunniteltaessa.
Kausaalimallinnuksessa käytetään erilaisia teoreettisia kehyksiä, kuten suuntautuneita graafeja (DAG), strukturaalilausekkeita (SEM) sekä potentiaalivaikutusten ja -mallien (Rubin
Identifiointi tarkoittaa sitä, voidaanko kausaalivaikutus johtaa havaintoaineistosta. Tämä riippuu oletuksista kuten vaihtokelpoisuus (exchangeability) ja positiivisuus sekä
Käyttökohteita ovat epidemiologia, taloustiede, yhteiskuntatieteet sekä tekoäly ja koneoppiminen, joissa voidaan arvioida politiikkojen tai algoritmien vaikutuksia.