Ответ спасен из Яндекс.Кью
Немного чересчур прикладное, на стыке с применениями в экономике, IT и медицине, но очень жду прорыва в каузальном анализе в матстатистике.
После обстоятельных ликбезов уже, наверное, каждый образованный человек и его бабушка знают, зачем нужно рандомизированное исследование, оно же AB-testing, почему корреляция не означает причинно-следственную связь и т.п.
Но меня с тех пор, как я стал со всем этим на практике сталкиваться, не покидает ощущение, что как Пирсон и ко изобрели молоток, так с тех пор все прикладные задачи для всех и выглядят как гвозди, и это неправильно.
Интуитивно мне очень правдоподобным кажется предположение, что из данных достаточно большого объема можно при дополнительных (но небольших и естественных) предположениях делать выводы о существовании и направлении именно причинно-следственных связей, аккуратно отделять их от confounder-ов и не путать с корреляциями.
Оказывается, не мне одному! Недавно узнал про Pearl-а и прочитал его "Book of why", теперь очень интересно, что там происходит дальше.