Causale inferentie

Tot voor kort heeft de discussie over causaliteit in empirisch onderzoek zich grotendeels beperkt tot de context van gerandomiseerde experimenten. Dit werd gevoed door de gedachte dat er geen heldere conclusies over causaliteit kunnen worden getrokken in observationele studies of experimentele studies zonder randomisatie, omdat de relatie tussen mogelijke oorzaak en gevolg in dergelijke data het gevolg zou kunnen zijn van een derde, ongeobserveerde variabele.

Het vermijden van een openlijke discussie over causaliteit in dergelijk onderzoek is echter gebaseerd op het verwarren van het doel en de middelen: hoewel een gerandomiseerd experiment om praktische of ethische redenen soms niet mogelijk is als middel, kan het doel van de studie desalniettemin het onderzoeken van een causaal effect zijn.

Interventionistische causale inferentie geeft ons een raamwerk om causale effecten in observationele en niet-gerandomiseerde experimentele settings te beschrijven en onderzoeken. We kunnen onderscheid maken tussen twee typen interventionistische benaderingen:

De potential outcomes benadering, waar causale inferrentie als een missing data probleem wordt behandeld.
De structural causal model benadering, die doorgaans gebruik maakt van grafische modellen die ook bekend staan als Bayesiaanse netwerkmodellen of Directed Acyclic Graphs.

Onderwerpen van onderzoek binnen de afdeling omvatten beide benaderingen. Voorbeelden zijn: