1樓：KTD
統計學上更寬泛更深刻，只說自己熟悉的計量吧，因為題主提到了Granger Causality。
首先應該明確，計量經濟學講regression從一開始就是為了做因果推斷。很多經典教科書一開始都會介紹經濟學資料的乙個重要特性——只能「被動」觀察，不能像自然科學實驗那樣對樣本主動去做「隨機分配」且「條件可控」的實驗。所以計量裡後續各種方法都是為了解決因為各種因素導致資料不隨機、不可控的問題。
換句話說，就算是經典OLS在資料滿足假設情境下也可以做因果推斷的有效統計方法（謹慎，有坑跟Granger一樣，下段解釋）。所以，如果要做統計推斷，要先明確自己的資料是什麼型別，有什麼特性，然後再選擇合適的方法就可以了，而不能是各種回歸方法的技術堆砌（當然，拋開放飛自我的行業潛規則……）。
Granger 。然而Granger這只是資料觀測上的巧合——因為最終一步推導因果是生成資料的結構是由經濟或金融等「理論」決定的。比如資料是 ，那麼Granger Causality會成立，但深層原因是某人看了靠譜的天氣預報，就是所謂潛在第三因素或深層結構問題。
這就是計量為什麼需要故事。所以一般教科書開篇除了上面提到的關於資料的被動觀察性，另乙個要說的重點就是計量定義離不開所謂經濟、金融等理論的定義。
從上面出發，就可以粗略理解了，現在通行的IV是著手於潛在重要因素不可完美觀測的問題，DiD PSM RDD 甚至SCM 都試著利用隨機分配的機制。題主有興趣可以去仔細研究。但不論是哪一種，最終都需要用足夠的故事邏輯來證明假設。
2樓：商君書
causality test.這個你懂，我就不多說了，還有用IV（instrument variable).其實說起來，還有個更可怕的事情，就是有些是互成因果的。
我覺得更多的時候，還是從qualitative的角度去推斷。
3樓：托塔天王冠
並不知道granger causality。我以前設計過乙個類似的統計，計算通貨膨脹率、狹義貨幣增長率、廣義貨幣增長率、房價指數、外匯儲備增長率、美元指數與證監會行業平均ROE的相關係數以及先後關係，得出：
房價指數領先房地產行業ROE 2個月；M1領先房地產行業ROE 6個月……
但是沒用，我還是使用了持倉兩年的價值投資。
4樓：
做出因果推斷，需要滿足以下4個條件：
時間上，先後發生；
很強的相關性；
可靠的理論解釋；
排除其他干擾因素。
現實中，很難做到這4點，主要是很難滿足第四點。這也就是為什麼需要統計學家了。
為什麼有些程式語言的型別推斷可以推斷函式引數，有些不會，哪種更好？
clears Pan 強答加不請自來。js應該是很極端的例子了吧，他允許程式設計師不宣告所有變數的型別，全是編譯器自己推斷。結果是 執行同樣的演算法js幾乎是最慢的。問題是 js本身在前端，很多時候並不需要太複雜的演算法，基本只根據使用者的輸入進行相應的反饋。所以即使慢一點，也在使用者可接受範圍內，...
為什麼統計推斷都喜歡用平均數而不是中位數或其他，均數對於估計樣本總體均值有什麼好處呢？
扯個錘子 平均數可以推算總量，其他不能。比如對比各個國家發展，用平均對比肯定比較好。如果主要看分布，特別是分布極大的時候，那麼就應該是中位數，眾數，四分位數。比如現在公布的各個行業工資資料，基本有放棄平均數的趨勢。 lzd 我覺得是因為大數定理，中心極限定理以及高斯分布的廣泛應用。在非高斯分布的情況...
哪些統計方法可以用於判斷因果關係？
小心假設 陸壹 在我認識中，統計學方法在做casual inference方面遠非主力 且在對於這個問題，題主提到的時間序列模型本身也並不能有所作用 常常做因果推斷研究的學科，如Eco Management Psychology和流行病學都有各自喜歡與擅長的方法。主要有 RCTEconometric...