Judea Pearl 对 Michael Jordan 的论文表示异议：不是所有的“反事实”研究都能称得上是真正的因果推断
2011 年图灵奖得主、因果科学之父 Judea Pearl 最近对一篇由加州大学伯克利分校的 Michael Jordan 教授所著的论文进行了批评。这篇论文探讨了一种构造算法，用于在贝叶斯网络中进行因果推理。
Pearl 强调，他认为，“反事实”这个词只有在第三层级，即回答“如果情况不是现在这样，可能会发生什么”的问题时才有意义。他指出，很多研究者滥用这个词，并且将随机对照实验中的结果也称为“反事实”，这实际上只涉及第一层级，即相关性，而不涉及因果关系。
Michael Jordan 的这篇论文被批评为没有正确使用“反事实”这一术语。Pearl 指出，该论文将“反事实”定义为 E[Y(1)]，即第二阶梯，而不是第三阶梯的真实含义，即 E[Y(1)Y]。Jordan 论文中的这种解释并没有涉及到结构因果模型（Structural Causal Models），而是仅仅是在贝叶斯网络中进行了干预效应的估计。
此外，Pearl 强调，他并没有声称只能使用结构因果模型来做反事实计算，但他确信，如果你想了解你在做什么，你想捍卫或检验你的假设，那么你就需要知道反事发来源于结构因果模型。Pearl 引用了自己早前的博客文章，其中提到，因果分析的现代工具并非新鲜的事物，而是从 SEM 框架有机继承而来的，因此人们可以利用 SEM 的研究使得因果分析更有效。
Angela Zhou 是该论文的一位作者，她回应说，这篇论文只关注了第二阶梯（干预效应）的计算，并未涉及第三阶梯（反事发）的讨论。而 ar-tiste 这个账号则认为，该词在文章中被重复提及 25 次，因此不能简单地说这篇论文不涉及 “反事发”。
最后，尽管 Angela Zhou 表示将改正错误，但 Pearl 持续强调，对于任何声称使用贝叶斯网络进行“反事发”计算的人，都应该受到质疑，因为他们通常并不理解自己的方法所基于的是哪一种类型的心理学和统计原理。此事件凸显了当前关于因果推断领域内存在的一个普遍问题，那就是许多人对于关键概念如 “随机对照试验” 和 “逆向思维”的理解是不准确或过度简化的。
