大卫考克斯在他的采访中解释了这一切。

@ocram 指向 Q14-15。有趣的是，我也发现他的回答很有启发性。我对大数据的炒作非常怀疑。几十年来，物理学家处理庞大的数据集，没有太多噪音和烦人的广告，遗传学研究人员也是如此. 现在，一旦营销人员参与进来，那就是统计数据的贾斯汀比伯。然而，考克斯是对的，在社会科学中，我们从来没有可用的大型数据集，也许除了量化金融。事实上，许多计量经济学技术是专门为处理小样本而开发的。因此有趣的是，大数据的推动会带来什么，也许是统计领域的一些令人兴奋的发展。我认为重点将放在社会科学上，那里没有任何好的模型。拥有糟糕的模型和少量的数据可能与拥有糟糕的模型和大量数据有很大不同，也许会更少关注对现象的理解，而有利于通过大量数据和巧妙的统计数据获得准确的预测。

在我看来，在社会科学附近的统计学边缘漫游后，统计学应该更多地谈论，并更好地与其他学科联系起来，统计学家应该花更多时间学习如何更好地交流（a）它们的用处，（b ）他们的发现对该学科意味着什么，（c）为什么这些其他学科与统计学家合作比没有他们更好。我不知道统计的未来是否取决于此，但在其短暂的历史中已经放弃了太多的机会，其他学科发明了自己的统计方法当统计数据无法提供时。几乎所有其他科学/研究学科，从生物学到人类学，从精神病学到结构工程，都可以轻松地列出 5-10-20 个希望统计数据回答的开放问题。

当存在治疗控制干扰或一般均衡效应时，如何考虑因果推理。