當前，體育學界的定量研究多數處于統計相關性的描述階段，基于因果推斷的解釋能力不足，而在其他學科（尤其經濟學和計算機學）中，因果推斷已經成為“新的學科前沿”。2020年6月，英國學者Guan Jing 等在利物浦大學經濟論壇上報告了1 篇文章，主要探討運動與健康的雙向因果關系。他們指出，當前體育學界對于因果推斷的運用主要存在2 個問題：①忽略內生性；②武斷假設因果關系的單一路徑，如只指出運動促進了健康，而未考慮健康的人更愛運動。目前很多國內學者也注意到：內生性是影響因果推斷的核心問題。具體而言，回歸分析可通過控制協變量使不同組別具備可比性（如運動和不運動2組人群的健康程度比較），但總有一些無法觀測到的變量（如基因特征）未被納入控制變量，而它們又與解釋變量（如基因特征、運動偏好）相關，違反回歸分析中“隨機誤差項與解釋變量相互獨立”這一基本假設，從而導致估計參數（回歸系數）偏誤。這種遺漏變量偏誤是產生內生性問題的主要來源。此外，內生性問題還源于自選擇偏誤（如參與運動本身即是具備某種特征的人自行選擇的結果）、樣本選擇偏誤（如僅研究參與運動的群體就得出普遍結論）和聯立偏誤（運動與健康存在雙向因果關系）。針對上述問題，陳云松、梁玉成等國內學者總結了相應的解決辦法，包括工具變量法、傾向值匹配（PSM）、赫克曼（Heckman）兩階段模型等。另外，近年來較流行的“交叉滯后面板模型”亦是一種利用面板數據解決雙向因果問題的方法。值得一提的是，當前隨著人工智能的發(fā)展和大數據研究的深入，機器學習方法在社會現象的“分類”和“預測”上呈現出強大功能，未來其可助力因果推斷在體育學界的應用和發(fā)展。