Цитаты из книг автора «Саманта Клейнберг»

Вероятность переменной зависит только от ее причин (причинное условие Маркова). Все общие причины измерены (достаточность). Данные, на основе которых мы получаем знание, точно представляют реальные зависимости (верность).

Если к числу переменных относится факт курения (а не его продолжительность), факт приема лекарства (а не доза) и потребление грейпфрутов (а не их потребление на фоне приема определенного лекарства), то можно не найти причинных зависимостей или определить их неверно.

Вспомните допущение об отсутствии скрытых общих причин, или о каузальной достаточности, из начала этой главы. Она необходима, чтобы избежать подобных ошибок. В целом может присутствовать общая причина любого ряда переменных, и, если она не измерена, мы не можем быть уверены, что результирующие выводы о каузальности окажутся корректны.

Говоря технически, переменная не зависит от своих «непотомков» («потомки» — это следствия, следствия следствий и т. д.) при условии наличия их причин10. Здесь ребра идут от причины к следствию, поэтому прямые причины — те, что связаны со следствием стрелкой.

Во многих ситуациях данные содержат мнимые причинные зависимости. Возможно, к сердечному приступу привели какие-то другие факторы в жизни пациента (например, невыявленный диабет); сведения могли быть неверны (например, загрязненный образец для анализа или неверная постановка диагноза); имела место некорректная последовательность событий (например, лабораторные исследования обнаружили повышенное содержание сахара в крови, но показатель повысился еще до принятия лекарства). Кроме того, многие реальные неблагоприятные события остаются незарегистрированными, если никто не додумался связать их с приемом препарата или если пациент не обращается за врачебной помощью и сам о факте не сообщает.

Часто различают так называемые раннее и позднее вытеснения. При раннем вытеснении только один каузальный процесс доходит до завершения, в то время как другой — который был бы активен в отсутствие первого — подавляется. Именно это происходит в примере с резервным геном. Позднее вытеснение — ситуация, когда имеют место обе причины, но только одна ответственна за наступление следствия. Пример — расстрельная команда выполняет свою работу, но одна пуля настигает цель чуть раньше других и убивает арестанта до того, как в него попадают остальные.

Подобные ситуации с несколькими причинами, любая из которых могла вызвать следствие, особенно сложны для контрфактуальных рассуждений. Это примеры множественности равнозначных причин, или симметричная форма так называемой избыточной причинности.

Интересно, что Юм положил начало как закономерному, так и контрфактуальному подходу к причинности. Он писал, что причина есть «объект, за которым следует другой объект, и когда за всеми объектами, подобными первому, следуют объекты, подобные второму» (определение закономерности), и далее: «Другими словами, без первого объекта никогда не существовал бы второй» (определение контрфактуальности)29.

Как обычно, ни один метод не совершенен, и успех зависит на самом деле от измерения общей причины. То есть, если рецессия приводит одновременно к снижению инфляции и безработице и мы не знаем, имеет ли место рецессия, нет возможности использовать условие экранирования, чтобы выяснить, не ложна ли видимая причинная зависимость между инфляцией и безработицей. Получается, реальные мы найдем взаимосвязи или ошибочные, целиком зависит от наличия верного набора переменных.

Подобно тому как в центре юмовского подхода к причинности лежит регулярная повторяемость событий, идея вероятностной причинности основана на том, что причина повышает вероятность наступления следствия.