6.6: Причинність

Last updated
Save as PDF

Page ID: 98220

\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)

Цілі навчання

Поясніть, як експерименти дозволяють причинні висновки
Поясніть роль невиміряних змінних
Поясніть проблему «третьої змінної»
Поясніть, як можна зробити висновок про причинно-наслідковий зв'язок у неекспериментальних конструкціях

Поняття причинно-наслідкового зв'язку є складним у філософії науки. Оскільки повне висвітлення цієї теми виходить далеко за рамки цього тексту, ми зосереджуємося на двох конкретних темах:

встановлення причинно-наслідкового зв'язку в експериментах
встановлення причинно-наслідкового зв'язку в неекспериментальних конструкціях

Стенфордська енциклопедія філософії: причинно-наслідкові теми

Встановлення причинно-наслідкового зв'язку в експериментах

Розглянемо простий експеримент, в якому суб'єкти вибираються випадковим чином з популяції, а потім присвоюються випадковим чином або експериментальній групі, або контрольній групі. Припустимо, що умова означає від залежної змінної відрізнялися. Чи означає це лікування спричинило різницю?

Щоб зробити цю дискусію більш конкретною, припустимо, що експериментальна група отримала препарат від безсоння, контрольна група отримала плацебо, а залежною змінною була кількість хвилин, коли суб'єкт спав тієї ночі. Очевидною перешкодою для висновку причинності є те, що існує багато невиміряних змінних, які впливають на те, скільки годин хтось спить. Серед них - скільки стресу перебуває людина, фізіологічні та генетичні фактори, скільки кофеїну вони споживали, скільки висипалися напередодні ввечері тощо Можливо, відмінності між групами за цими факторами відповідають за різницю в кількості хвилин сну.

Спочатку рум'янець може здатися, що випадкове призначення усуває відмінності в невиміряних змінних. Однак це не так. Випадкове присвоєння гарантує, що відмінності на невиміряних змінних є випадковими відмінностями. Це не гарантує, що відмінностей немає. Можливо, випадково багато випробуваних в контрольній групі перебували під високим стресом, і цей стрес ускладнив засипання. Той факт, що більший стрес у контрольній групі був обумовлений випадковістю, не означає, що він не міг відповідати за різницю між контрольною та експериментальною групами. Іншими словами, спостерігається різниця в «хвилини сну» могла бути пов'язана з різницею шансів між контрольною групою та експериментальною групою, а не через ефект препарату.

Ця проблема здається нерозв'язною, оскільки за визначенням неможливо виміряти «невимірну змінну» так само, як неможливо виміряти та контролювати всі змінні, які впливають на залежну змінну. Однак, хоча неможливо оцінити вплив якоїсь однієї невиміряної змінної, оцінити комбіновані ефекти всіх невиміряних змінних можна. Оскільки всі в заданому стані трактуються однаково в експерименті, відмінності в їх балах на залежній змінній повинні бути обумовлені невимірними змінними. Тому міра відмінностей між суб'єктами в межах умови є мірою суми загальної кількості ефектів невиміряних змінних. Найпоширеніша міра відмінностей - дисперсія. Використовуючи дисперсію всередині умов для оцінки впливу невиміряних змінних, статистичні методи визначають ймовірність того, що ці невиміряні змінні можуть призвести до різниці між умовами, більшими або більшими, ніж різниця, отримана в експерименті. Якщо ця ймовірність низька, то робиться висновок (тому вони називають це інференційною статистикою), що лікування мало ефект і що відмінності не зовсім обумовлені випадковістю. Звичайно, завжди існує якась ненульова ймовірність того, що різниця відбулася випадково, тому повна впевненість не є можливістю.

Причинність в неекспериментальних конструкціях

Це майже кліше, що кореляція не означає причинно-наслідковий зв'язок. Основна помилка у виведенні причинно-наслідкового зв'язку з кореляцією називається «третьою змінною задачею» і означає, що третя змінна відповідає за кореляцію між двома іншими змінними. Чудовим прикладом, який використовує Лі (\(1975\)) для ілюстрації цього моменту, є позитивна кореляція на Тайвані\(1970's\) між використанням контрацепції та кількістю електричних приладів у своєму будинку. Звичайно, використання контрацепції не спонукає вас купувати електроприлади або навпаки. Натомість третя змінна рівня освіти впливає на обидва.

Чи можливість проблеми з третьою змінною унеможливлює виконання причинно-наслідкових висновків, не роблячи експерименту? Один підхід полягає в тому, щоб просто припустити, що у вас немає проблеми з третьою змінною. Такий підхід хоч і поширений, але не дуже задовільний. Однак майте на увазі, що припущення жодної проблеми третьої змінної може бути приховано за складною причинно-наслідковою моделлю, яка містить витончену та елегантну математику.

Краще, хоча, за загальним визнанням, більш складним підходом, є пошук сходяться доказів. Такий підхід був прийнятий, щоб зробити висновок, що куріння викликає рак. Аналіз включав збіжні докази ретроспективних досліджень, перспективних досліджень, лабораторних досліджень з тваринами та теоретичного розуміння причин раку.

Друга проблема - визначення напрямку причинно-наслідкового зв'язку. Кореляція між двома змінними не вказує, яка змінна викликає яка. Наприклад, Рейнхарт і Рогофф (\(2010\)) виявили сильну кореляцію між державним боргом і зростанням ВВП. Хоча деякі стверджують, що державний борг уповільнює зростання, більшість доказів підтверджують альтернативу, що повільне зростання збільшує державний борг.

Відмінне відео про причинно-наслідковий зв'язок із доказами того, що куріння викликає рак (див. Розділ 11)

Лі, К. (1975) Аналіз шляху: грунтовка. Самшитовий прес, Тихоокеанський гай. КА.
Рейнхарт, К.М. і Рогофф, К.С. (2010). Зростання під час боргу. Робочий документ 15639, Національне бюро економічних досліджень, http://www.nber.org/papers/w15639