[ABE-L] Fw: Causalidade X Correlacao

Sex Mar 5 17:19:48 -03 2021

Olá a todos, boa tarde.

A despeito de parecer que a discussão se encerrou, se permitem um
comentário de um não-estatístico, o assunto "Correlação x Causalidade" me
fez lembrar de um artigo relevante sobre assunto, do qual destaco o trecho
que coloco mais abaixo.

Saudações,

Diego Samuel Rodrigues
Faculdade de Tecnologia, Universidade Estadual de Campinas

=====

*Detecting Causality in Complex Ecosystems*
George Sugihara et al.
*Science **338*, 496 (2012)
doi.org/10.1126/science.1227079

*Although correlation is neither necessary nor sufficient to establish
causation, it remains deeply ingrained in our heuristic thinking (8, 13,
16, 17). One might conclude, for example, that the variables in Fig. 1 have
no causal relation because they are uncorrelated. Obviously, lack of
correlation does not imply lack of causation. Because of this and for
reasons just given, the use of correlation to infer causation is risky,
especially as we come to recognize that nonlinear dynamics are ubiquitous.*

[image: image.png]

Em sex., 5 de mar. de 2021 às 14:49, Julio Stern <jmstern em hotmail.com>
escreveu:

>
> Caro Pedro:
> Grato pela refereincia:
>
> >>> Pedro Morettin (2017). Econometria Financeira, Capítulo 10.
>
> Esta eh uma boa referencia, sempre correta, mas ao mesmo tempo didatica e
> facil de entender.
>
>
> Caro Hedibert:
> Grato pela referencia:
>
> >>> Michael Murray, “A Drunk and Her Dog: An Illustration of
> Cointegration and Error Correction,” American Statistician, 48, no. 1
> (1994): 37–39.
>
> Este eh um paper escrito exatamente no espirito que eu queria,
> infelizmente, nao exatamente sobre o problema que eu queria... Mas eh este
> tipo de coisa que eu preciso para dialogar meu publico alvo.
>
>
> Canhao para matar mosca:
> A turma do FBST / e-valor tem seus canhoes  para teste de cointegracao,
> vide:
>
> >>> Marcio Alves Diniz, Carlos Alberto de Braganca Pereira, Julio Michael
> Stern (2020).  Cointegration and Unit Root Tests: A Fully Bayesian
> Approach.  Entropy, 22, 9, 968.
> <https://www.ime.usp.br/~jmstern/wp-content/uploads/2020/10/Din20.Ent.pdf>
>  doi:10.3390/e22090968 <https://www.mdpi.com/1099-4300/22/9/968>
>
> Da para usar este canhao para "explicar" um monte de coisas interessantes
> na area, so que a explicacaco eh totalmente intragavel para quem ja nao
> entende de antemao muita coisa de estatistica... Neste sentido, nao resolve
> o problema que tenho que resolver :-)
>
> Faltam mais artigos sobre o assunto escritos como o artigo do Murray...
>
> Grato a todos que me responderam, inclusive com copia do Livro do Vigen.
> Tudo de bom,
> ---Julio Stern
>
>
> ------------------------------
> *From:* Pedro Alberto Morettin <pam em ime.usp.br>
> *Sent:* Friday, March 5, 2021 3:56 PM
> *To:* Julio Stern <jmstern em hotmail.com>
> *Cc:* abe em lists.ime.usp.br <abe em lists.ime.usp.br>
> *Subject:* Re: [ABE-L] Fw: Causalidade X Correlacao
>
> Julio,
>
> v. não precisa olhar esses artigos; veja meu livro de Econometria
> Financeira, Capítulo 10, é mais fácil. As séries que v.
> mostrou são (quase) todas não estacionárias. O que Granger e Newbold
> (1974) mostraram é que, considerando
> duas séries não estacionárias completamente não correlacionadas, a
> regressão de uma sobre a outra produz produz uma correlação
> aparentemente significativa. Daí a necessidade de se desenvolver técnicas
> (cointegração) para analisar séries não estacionárias integradas
> (essas são tais que tomando-se uma ou mais diferenças tornam-se
> estacionárias).
>
> Abs,
>
> Pedro
>
> Em sex., 5 de mar. de 2021 às 10:03, Julio Stern <jmstern em hotmail.com>
> escreveu:
>
>
>
> Caros Redistas
>
> Conversando com colegas de outras areas sobre a diferenca entre
> Causalidade e Correlacao, principalmente no contexto de vacinas,
> tratamentos medicos para Covid, etc. acabei conhecendo o livro:
>
>
> >>>  Tyler Vigen (2015).  Spurious Correlations.  Hachette Books.
>
>
> que tem gráficos fantasticos, com series temporais totalmente desconexas
> que exibem altíssima correlacao.
>
> Nao tenho o livro, mas alguns graficos podem ser vistos em
>
>
> >>> https://www.tylervigen.com/spurious-correlations
>
> >>> https://tylervigen.com/discover
>
>
>
> Comecei a fazer umas continhas rapidas sobre a probabilidade,  p , de
> obter, em duas series temporais, x(t) e y(t) , com dez pontos de
> abscissa  t={1,2, ... 10}  e ordenada no intervalo  [0,1] , uma alta
> correlação, i.e.,
>
>
> p = Pr ( corr ( x(t) , y(t) )  >=  (1-alpha) ) , para  alpha= 0.1  ou
> 0.05  ou  0.01
>
>
> Assumindo nao haver estrutura alguma nas series  x(t)  e  y(t) , o
> resultado eh muito baixo.
>
> Mesmo considerando uma enorme biblioteca de graficos aleatorios, nao da...
>
>
>
> Parece ser necessario assumir "a priori" a existência de alguma "estrutura
> intrinseca de associacao" entre os pontos de cada uma das series temporais,
> por exemplo, alguma estrutura de auto-correlacao.
>
>
> Antes de sair por ai tentando reinventar a roda, melhor perguntar a quem
> sabe...
>
> Alguem ja deve ter pensado neste problema!  Alguma ideia de como
> modela-lo?
>
>
> Abraco a todos e tudo de bom,
>
> ---Julio Stern
>
>
> _______________________________________________
> abe mailing list
> abe em lists.ime.usp.br
> https://lists.ime.usp.br/listinfo/abe
>
> _______________________________________________
> abe mailing list
> abe em lists.ime.usp.br
> https://lists.ime.usp.br/listinfo/abe
>
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://lists.ime.usp.br/pipermail/abe/attachments/20210305/159b0a38/attachment-0001.htm>
-------------- Próxima Parte ----------
Um anexo não-texto foi limpo...
Nome: image.png
Tipo: image/png
Tamanho: 198794 bytes
Descrição: não disponível
URL: <http://lists.ime.usp.br/pipermail/abe/attachments/20210305/159b0a38/attachment-0001.png>