机器学习与社会科学中的因果关系:一个文献综述

摘要：

因果识别是社会科学实证研究的焦点,而在大数据时代,机器学习为因果识别带来一些新的机遇与挑战.本文重点总结了机器学习对因果关系识别的价值:更好地识别和控制混淆因素、帮助更好地构建对照组、更好地识别异质性因果效应,以及检验因果关系的外部有效性.同时,本文还讨论了在大数据和机器学习广泛应用下,可能存在因果关系在某些情形下变得不再重要、大数据和机器学习会让因果效应识别更加困难,以及部分机器学习算法缺乏可解释性等情形.本文有助于拓展社会科学研究者的工具箱和思想库.

关键词：机器学习、因果关系、大数据

所属期刊栏目：23

分类号：R730;TP391;F270

资助基金：国家社会科学基金;国家自然科学基金;上海市哲学社会科学规划课题

在线出版日期：2023-04-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：1-17