乔纳斯·彼得斯;彼得·伯尔曼;尼古拉·明绍森 [Thwaites，Peter A。;瓦妮莎·迪德莱兹;里卡多·席尔瓦;菲利普·达维德;亚当·福斯特;斯泰芬·劳里岑;丁、彭;阿维·费勒;泰勒·J·范德维尔。;费德里科·克鲁杜;弗雷迪·洛佩兹;埃米利奥·波库;潘文良;温灿红;埃利亚斯·巴雷因博伊姆;黛博帕姆·巴塔查里亚;奥利弗·林顿;安德鲁·戴维森;很好，杰森·P。;迈克尔·哈金斯。;尼尔斯·理查德·汉森;库尔迪普·库马尔;李光耀;刘天奇;赵宏宇;鲁、祖迪;豪尔赫·马图;Joris M.穆伊。;克里斯·奥茨。;杰西卡·卡萨;萨克·穆克吉;T·S·理查森。;罗宾斯，J.M。;斯特利克，米兰;西尔维亚·斯特利科娃;王林波;陈士哲;阿里·肖杰伊;赵庆元;查尔斯·郑;特雷弗·哈斯蒂;罗伯特·提比拉尼] 使用不变预测进行因果推断：识别和置信区间。通过讨论和作者的回复。 （英语） Zbl 1414.62297号 J.R.Stat.Soc.，塞尔维亚。B、 统计方法。 78，第5期，947-1012（2016）. 小结：用因果模型做出的预测和用非因果模型作出的预测有什么区别？假设我们干预预测变量或改变整个环境。因果模型的预测通常在干预和观测数据下都会起作用。相比之下，如果我们积极干预变量，非因果模型的预测可能会非常错误。在这里，我们建议利用因果模型下的预测不变性进行因果推断：给定不同的实验环境（例如各种干预措施），我们收集所有在不同环境和干预措施下的预测准确性上表现不变性的模型。因果模型将是这组模型中概率较高的一个。这种方法在相当一般的场景中为因果关系产生有效的置信区间。我们更详细地检查了结构方程模型的示例，并提供了充分的假设，在这些假设下，因果预测因子集变得可识别。我们进一步研究了模型错误指定情况下该方法的鲁棒性，并讨论了可能的扩展。研究了各种数据集的经验性质，包括大规模基因扰动实验。 引用于1审查引用于47文件 MSC公司： 62华夏 多元分析 62-02 与统计有关的研究展览（专著、调查文章） 62J02型 一般非线性回归 62J05型 线性回归；混合模型 62克10 非参数假设检验 关键词：因果发现;因果推理;置信区间;不变预测 PDF格式BibTeX公司 XML格式引用 \textit{J.Peters}等人，J.R.Stat.Soc.，Ser。B、 统计方法。78，第5号，947--1012（2016；Zbl 1414.62297） 全文： 内政部 arXiv公司