Sự tương quan nào không bao hàm nhân quả; Nhưng còn khi một trong các biến là thời gian thì sao?

Tôi biết câu hỏi này đã được hỏi hàng tỷ lần, vì vậy, sau khi tìm kiếm trực tuyến, tôi hoàn toàn tin tưởng rằng mối tương quan giữa 2 biến không ngụ ý nhân quả. Trong một trong những bài giảng thống kê của tôi hôm nay, chúng tôi đã có một bài giảng của một nhà vật lý, về tầm quan trọng của phương pháp thống kê trong vật lý. Ông nói một tuyên bố đáng kinh ngạc:

tương quan không ngụ ý nhân quả, KHÔNG GIỚI HẠN một trong các biến là thời gian. Vì vậy, nếu có một mối tương quan mạnh mẽ giữa một số biến độc lập và thời gian, thì điều này cũng ngụ ý nhân quả.

Tôi chưa bao giờ nghe câu nói này trước đây. Các nhà vật lý / thuyết tương đối có thấy "Nhân quả" khác với người thống kê không?

Tôi sẽ cung cấp một câu trả lời khác, vì tôi nghĩ rằng những người hiện đang cung cấp bỏ lỡ một điểm quan trọng của tuyên bố mà nhà vật lý đã đưa ra. Tuyên bố được trích dẫn là:

"tương quan không bao hàm quan hệ nhân quả, KHÔNG GIỚI HẠN một trong các biến là thời gian. Vì vậy, nếu có mối tương quan mạnh mẽ giữa một số biến độc lập và thời gian, thì điều này cũng có nghĩa là nhân quả."

Nhà vật lý không nói:

"Nếu X và Y tương quan và X đến trước Y, thì tương quan hàm ý nhân quả."

Điều đó sẽ không chính xác. Những gì các nhà vật lý đang nói là:

"Nếu X và thời gian tương quan với nhau, thì mối tương quan đó ngụ ý rằng việc tăng thời gian gây ra sự tăng (hoặc giảm) trong X."

Một ví dụ có thể là entropy. Nếu chúng ta có một mối tương quan mạnh mẽ giữa thời gian trôi qua và tăng entropy, thì chúng ta có thể nói rằng việc tăng thời gian gây ra sự gia tăng entropy. Lưu ý rằng điều này bỏ qua những nguyên nhân vật lý của entropy ngày càng tăng có thể là gì (phân rã hạt, vũ trụ giãn nở, v.v.).

Một trong những yêu cầu truyền thống về quan hệ nhân quả là tiến trình thời gian, cụ thể là X chỉ có thể gây ra Y nếu X đến trước Y. Nhưng nếu một trong các biến của bạn là thời gian IS, thì tiến trình thời gian đã được xây dựng trong mối quan hệ (nếu tồn tại mối quan hệ).

EDIT: Dựa trên nhiều ý kiến ​​khác nhau, tôi sẽ thêm vào như sau. Tôi nghĩ rằng các nhà vật lý có thể đang sử dụng một ý tưởng khác về từ "nhân quả" ở đây. Ông dường như đang nói rằng nếu có một mối tương quan giữa một biến độc lập và thời gian, bạn có thể kết luận rằng biến độc lập thay đổi có thể dự đoán khi thời gian trôi qua. Một số người có thể nói rằng những thay đổi là "gây ra" bởi thời gian trôi qua, đây không thực sự là cách các nhà thống kê sử dụng các từ "nguyên nhân" hoặc "nguyên nhân", do đó có thể gây ra một số nhầm lẫn.

Chúng tôi không biết ý nghĩa của nhà vật lý. Hai cách giải thích khác nhau theo sau.

Khiếu nại rằng trước Y và tương quan với Y ngụ ý rằng X gây ra Y là sai. Đó không phải là đủ cho X và Y là phụ thuộc thậm chí nếu X trước Y . Ví dụ, X và Y đều có thể được gây ra bởi một số biến khác W : X ← W → Y . Hoặc, một mô hình thậm chí phức tạp hơn có thể phát sinh: X ← V → Z ← W → Y trong đó $X$$Y$$Y$$X$$Y$$X$$Y$$X$$Y$$X$$Y$$W$$X \leftarrow W \rightarrow Y$$X \leftarrow V \rightarrow Z \leftarrow W \rightarrow Y$$Z$được quan sát. Bây giờ và Y phụ thuộc và không có nguyên nhân chung, nhưng cũng không gây ra nguyên nhân nào khác.$X$$Y$

Tuy nhiên, quyền ưu tiên tạm thời đơn giản hóa rất nhiều các điều kiện để khẳng định mối quan hệ nhân quả, mà bạn có thể tìm thấy trong cuốn sách Nhân quả của Pearl Chương 2.7 "Tiêu chí địa phương cho quan hệ nhân quả".

Một biến có ảnh hưởng nhân quả đến Y nếu có biến thứ ba Z và bối cảnh S , cả hai đều xảy ra trước X , như vậy:$X$$Y$$Z$$S$$X$

1. $(Z\; \not\perp\!\!\!\!\perp Y \mid S)$
2. $(Z \perp\!\!\perp Y \mid S \cup X)$

Về cơ bản, (1) ngụ ý rằng là một nguyên nhân tiềm tàng của cho các ưu tiên thời gian, và (2) ngụ ý rằng có khả năng phá vỡ mối quan hệ, mà chỉ có thể xảy ra nếu gây .Y X X $Z$$Y$$X$$X$$Y$

Điều kiện này đơn giản hơn nhiều so với định nghĩa của Pearl cho một lý do chính đáng mà không có thông tin tạm thời.

Một khả năng khác được nêu trong một số các câu trả lời khác là các nhà vật lý có nghĩa rằng nếu là thời gian trôi qua và nó tương quan với , sau đó gây . Tuyên bố này là chính xác, nhưng bỏ trống vì thời gian trôi qua là nguyên nhân của tất cả các biến khác, theo đó, ý tôi là cấu trúc đồ họa nhân quả là theo cách này. Một cấu trúc đồ họa nhân quả là một tập hợp các tuyên bố về các mối quan hệ độc lập được đưa ra các quan sát và can thiệp.Y X $X$$Y$$X$$Y$

Tôi suy đoán rằng giảng viên khách của bạn có nghĩa là trong vật lý, mối tương quan duy nhất tồn tại sao chép là những mối quan hệ nhân quả tiềm ẩn. Biến thời gian là một ngoại lệ vì nó là biến duy nhất không được kiểm soát bởi nhà vật lý. Đây là lý do tại sao.

Trong vật lý chúng ta thường đối phó với các hiện tượng và thí nghiệm lặp lại. Như một vấn đề thực tế, gần như chắc chắn rằng bất kỳ thử nghiệm nào cũng có thể lặp lại và có thể được sao chép bởi bạn vào thời gian sau hoặc bởi các nhà nghiên cứu khác. Vì vậy, giả sử bạn quan sát một mẫu trong đó là các quan sát về biến quan tâm và biến độc lập . Như tôi đã đề cập ở trên, chúng tôi kiểm soát hoàn toàn các biến và có thể đặt chúng thành bất kỳ giá trị nào chúng tôi muốn. x k x $y_i,x_{ki}$$x_k$$x_{k}$

Anh chàng nhà vật lý của bạn đang nói rằng trong thiết lập này, bạn sẽ không thấy bất kỳ mối tương quan nào trừ khi có một liên kết nhân quả. Tại sao? Bởi vì ai đó hoặc thậm chí chính bạn sẽ lặp lại thử nghiệm với bất kỳ kết hợp và chuỗi và chỉ có mối tương quan với mối quan hệ nhân quả mới tồn tại trong các bản sao của thử nghiệm. Tất cả các mối tương quan (giả) khác sẽ biến mất sau khi bạn thu thập đủ dữ liệu trong tất cả các kết hợp có thể có của một thử nghiệm.x k $Corr[y,x_{k}]$$x_{kj}$

Tình huống này hoàn toàn trái ngược với khoa học xã hội và một số ứng dụng kinh doanh nơi bạn không thể làm thí nghiệm. Bạn chỉ quan sát một chuỗi GDP của một quốc gia và không thể thay đổi tỷ lệ thất nghiệp giữ tất cả những người khác bằng nhau và quan sát các mối tương quan.

Bây giờ, thời gian là biến số duy nhất mà một nhà vật lý không thể kiểm soát. Chỉ có một ngày 1 tháng 1 năm 2017. Anh ấy không thể lặp lại ngày này. Anh ta có thể lặp lại bất kỳ biến nào khác, nhưng không phải là thời gian. Đó là lý do tại sao khi nói đến thời gian ( không mất thời gian hay tuổi tác), một nhà vật lý ở trong cùng một chiếc thuyền như mọi người khác: mối tương quan không ngụ ý nhân quả đối với anh ta.

Tôi chưa từng nghe điều này trước đây và nó sẽ không đúng theo quan niệm về nhân quả mà tôi quen thuộc (mặc dù tôi không phải là nhà vật lý).

Thông thường, đối với để nguyên nhân Y nó là cần thiết rằng X trước Y trong thời gian. Vì vậy, nếu Y đi trước X thì nó không thể là "nguyên nhân" của X , bất kể mọi tương quan. Hơn nữa, X trước Y không phải là điều kiện đủ cho quan hệ nhân quả (cũng không phụ thuộc vào bất kỳ mối tương quan nào).$X$$Y$$X$$Y$$Y$$X$$X$$X$$Y$

Tôi không nghĩ rằng thời gian là nhất thiết phải có trong này, nhưng nó chắc chắn là một ví dụ tốt. Vấn đề là thông thường nếu A & B tương quan với nhau, bạn có thể đoán rằng có một số nguyên nhân phổ biến, nhưng bạn không biết liệu A gây ra B hay B gây ra A hay có thể là biến thứ ba C gây ra cả A & B. Tuy nhiên , trong một số trường hợp nhất định, bạn có thể loại trừ rằng bất kỳ biến nào khác gây ra A và do đó phải là A gây ra B. Một ví dụ như vậy là một thử nghiệm được kiểm soát, trong đó bạn , người thử nghiệm, kiểm soát A. Sau đó, nếu thay đổi bạn thực hiện A "tương quan" với thay đổi trong B, bạn biết rằng đó phải là A khiến B thay đổi, không phải là cách khác.

Một loại kịch bản khác, là ví dụ mà thời gian rơi vào, là nếu bạn chỉ đơn giản biết rằng không có biến nào khác có thể gây ra A vì bạn biết rằng không có gì có thể ảnh hưởng đến A. Vì thời gian chỉ trôi qua một giây bất kể của bất kỳ biến số nào khác trên thế giới, sau đó nếu thời gian tương quan với những thay đổi trong một số biến bạn quan tâm (giả sử số người trên hành tinh), bạn biết chắc rằng thời gian trôi qua đã khiến biến số đó thay đổi, thay vào đó thay vì biến của bạn khiến thời gian trôi qua hoặc thay đổi (nghĩa là thời gian không tiến lên vì nhiều người được sinh ra, nó phải theo cách khác).

Tất nhiên, điều bạn vẫn chưa biết là liệu nhân quả có trực tiếp hay không. Có lẽ thời gian trôi qua tự động không tạo ra nhiều người hơn. Thay vào đó, lịch sử mở ra gây ra sự tiến bộ trong các khía cạnh khác nhau của xã hội, và điều này khiến dân số tăng kích thước (và thậm chí đó là sự đơn giản hóa của nhiều mối quan hệ nhân quả nhỏ). Nhưng bất kể các yếu tố chính xác khi chơi, bạn chắc chắn biết rằng A (cuối cùng) dẫn đến B chứ không phải là cách khác.

Trên thực tế, mối tương quan không ngụ ý một mối quan hệ nhân quả.

Có lẽ A gây ra B, hoặc C gây ra A và B.

Tuy nhiên, mối tương quan không chứng minh nhân quả.

Điều này là hiển nhiên.

Tôi sẽ giải thích điều này như là một đối số ngữ nghĩa chứ không phải toán học / thống kê. Tôi cũng sẽ coi đó là một khái quát khá nghiêm trọng.

Các Tiêu chuẩn Bradford Hill , thường được sử dụng trong dịch tễ học, cung cấp một khuôn khổ tốt cho suy nghĩ về quan hệ nhân quả. Không có gì có thể chắc chắn chứng minh nhân quả, cho dù thời gian có phải là một yếu tố hay không, và tôi nghi ngờ rằng giảng viên đã không cố gắng đưa ra một khẳng định mạnh mẽ như vậy. Tuy nhiên, nhiều yếu tố khác nhau có thể được sử dụng làm lý lẽ hợp lý cho quan hệ nhân quả.

Ví dụ, tiêu chí của Hill Hill cho thấy rằng sức mạnh của sự liên kết giữa các biến có thể cung cấp bằng chứng cho quan hệ nhân quả, nhưng không đủ. Tương tự như vậy, một hiệp hội phù hợp với các sự kiện đã biết / tin tưởng khác có thể gợi ý quan hệ nhân quả mạnh mẽ hơn một hiệp hội không phù hợp với kiến ​​thức phổ biến. Tạm thời cũng là một trong những tiêu chí - một nguyên nhân nên đi trước hiệu quả của nó. Một hiệp hội, và những suy luận chúng ta đưa ra về quan hệ nhân quả, phải có ý nghĩa tạm thời. Tôi khuyên bạn nên xem xét các tiêu chí khác. Một số đặc trưng cho dịch tễ học và không thể áp dụng cho vật lý nhưng nó vẫn là một cách suy nghĩ hữu ích.

Điểm chính là, trong khi không có bằng chứng duy nhất nào chứng minh chắc chắn nguyên nhân, bạn có thể xây dựng một trường hợp tốt cho nó dựa trên một số kiểm tra logic khác nhau. Tôi sẽ lập luận rằng việc ưu tiên tuyệt đối cho bất kỳ một tiêu chí nào, chẳng hạn như thời gian, là không phù hợp, nhưng tính tạm thời có thể là một yếu tố quan trọng khi đưa ra một trường hợp rằng quan hệ nhân quả là hợp lý.

Điều này dẫn đến một quan điểm rộng hơn về thống kê: nói chung, chúng tôi sử dụng số liệu thống kê để đưa ra lập luận. Chúng tôi sử dụng dữ liệu và các công cụ thống kê để đưa ra một quan điểm nhất định. Thông thường, cùng một dữ liệu (và thậm chí cùng các công cụ) có thể được sử dụng để tạo các điểm xung đột. Chúng ta không thể xác định bằng chứng chính xác về nguyên nhân trong toán học, nhưng chúng ta có thể triển khai các công cụ thống kê của mình như là một phần của một cuộc tranh luận rộng hơn. Để biết thêm về điều đó, tôi khuyến nghị Thống kê của Abelson là Đối số Nguyên tắc.

Để lặp lại điều này với tình huống ban đầu, giả sử bạn đã thực hiện một thí nghiệm về ảnh hưởng của nồng độ của một hóa chất nhất định trong dung dịch đối với nhiệt độ của dung dịch đó. Bạn nghi ngờ rằng thêm nhiều hóa chất này sẽ dẫn đến phản ứng làm tăng nhiệt độ. Bạn thêm dần dần theo thời gian. Bạn có thể nhìn vào nhiệt độ theo thời gian và thấy sự gia tăng. Tất cả điều này cho thấy rằng nhiệt độ đang tăng theo thời gian; nó không chứng minh rằng thời gian (hoặc bất cứ điều gì khác, đối với vấn đề đó) có ảnh hưởng nhân quả. Tuy nhiên, nó cung cấp một số bằng chứng trong một lập luận rộng hơn rằng tăng nồng độ của hóa chất này dẫn đến phản ứng làm tăng nhiệt độ.

Câu này khá đơn giản và không có giá trị lật đổ (và không liên quan gì đến quyền ưu tiên).

Nếu có một mối tương quan xác định giữa một biến số và thời gian (nghĩa là chúng ta biết rằng sự gia tăng thời gian đi kèm với sự gia tăng của biến số và đây là một sự cho trước ), thì chúng ta biết hướng "nhân quả": tức là tăng thời gian, nguyên nhân các biến để tăng.

Bởi vì giả thuyết thay thế của "nah-uh, có thể thời gian đó chỉ tăng lên vì biến số tăng trước " đơn giản là không thể đứng vững theo cách thời gian hoạt động.

Điều này nghe có vẻ như là một quan sát ngớ ngẩn, nhưng nó có ý nghĩa quan trọng đối với thiết kế nghiên cứu cố gắng chứng minh một hướng nhân quả. Một ví dụ quan trọng trong y học là sự khác biệt giữa thực hiện nghiên cứu cắt ngang và nghiên cứu đoàn hệ.

Ví dụ, một nghiên cứu cắt ngang cố gắng tìm mối liên hệ giữa hút thuốc và ung thư có thể khiến một nhóm người, chia nó thành người hút thuốc và người không hút thuốc, và xem có bao nhiêu người trong mỗi nhóm bị ung thư và không ung thư. Tuy nhiên, đây là bằng chứng yếu vì mối tương quan giữa hút thuốc và ung thư cũng có thể được hiểu là "những người mắc bệnh ung thư có nhiều khả năng thích hút thuốc hơn".

Tuy nhiên, nếu bạn thực hiện một nghiên cứu đoàn hệ, tức là lấy một nhóm người hút thuốc và một nhóm người không hút thuốc, theo dõi họ theo thời gian và đo lường biến "ung thư ở người hút thuốc trừ ung thư ở người không hút thuốc" và xác định dương tính mối tương quan của biến số này với thời gian, (theo các giả định hợp lý, như lượng thuốc hút một lần bắt đầu là không đổi và không phụ thuộc vào thời gian, v.v.) thì bạn biết rằng "thời gian" là nguyên nhân của sự khác biệt ung thư, vì bạn không thể cho rằng tỷ lệ ung thư tăng gây ra thời gian để vượt qua nhiều hơn trong nhóm hút thuốc. Do đó, bạn có thể yêu cầu một nguyên nhân giữa thời gian trôi qua và sự khác biệt ung thư dương tính liên quan đến tỷ lệ cao hơn trong nhóm người hút thuốc. (hoặc, nói một cách đơn giản hơn, thời gian thuộc về nhóm hút thuốc gây ra sự gia tăng tỷ lệ rủi ro ung thư).

Hơn nữa, điểm yếu của nghiên cứu cắt ngang, tức là khả năng "những người mắc bệnh ung thư có nhiều khả năng hút thuốc hơn" đã ra khỏi cửa sổ, vì hút thuốc như một biến số đã được đưa ra khỏi "thời gian so với ung thư" phương trình (ở đây được coi là hằng số và do đó không bị ảnh hưởng bởi thời gian). Nói cách khác, bằng cách xây dựng nghiên cứu theo cách này, chúng tôi đã kiểm tra một hướng nhân quả rất cụ thể . Nếu chúng ta muốn kiểm tra mức độ áp dụng hướng nhân quả ngược (nghĩa là những người cuối cùng sẽ bị ung thư sẽ hút thuốc như thế nào khi thời gian trôi qua), thì chúng ta nhất thiết phải thiết kế một nghiên cứu đoàn hệ "Ung thư tương lai và ung thư không tương lai" và đo lường mức độ hút thuốc theo thời gian.

Cập nhật phản hồi ý kiến:

Lưu ý rằng đây là một cuộc thảo luận về một hướng nhân quả chứ không phải là tìm kiếm một liên kết nhân quả trực tiếp. Câu hỏi gây nhiễu là một câu hỏi riêng biệt. (tức là không có gì để gợi ý rằng không có biến thứ ba độc lập nào khiến cả hai bạn có khả năng là người hút thuốc và tăng khả năng bị ung thư theo thời gian). Tức là, về mặt quan hệ nhân quả, chúng tôi chưa thể hiện rõ ràng rằng "nếu không hút thuốc thì những người này sẽ không bị ung thư". Nhưng chúng ta cócho thấy "mối liên hệ giữa nhóm hút thuốc và ung thư sẽ không tăng nếu thời gian không trôi qua". (tức là hiệp hội không phải là một bức ảnh chụp những người mắc bệnh ung thư chỉ thích ở trong nhóm hút thuốc hay không, nhưng được tăng dần theo thời gian).

Đây thực sự là một câu hỏi về cách thiết lập quan hệ nhân quả, bởi vì các sự kiện có liên quan nhưng không phải là nguyên nhân SILL có thể tương quan theo thời gian hoặc không gian. Vì vậy, nhìn vào một số dữ liệu tương quan, làm thế nào chúng ta có thể xác định nếu mối quan hệ là phụ thuộc? Một cố vấn nghiên cứu khôn ngoan đã từng nói với tôi, "mối tương quan không ngụ ý nhân quả, nó chỉ cho bạn biết nơi cần tìm".

Chúng ta hãy xem xét tình huống mà các sự kiện A và B được tìm thấy có mối tương quan về thời gian hoặc không gian. Nếu chúng ta muốn điều tra về giới từ mà A gây ra B , thì lối suy nghĩ truyền thống là đưa ra các thử nghiệm về sự cần thiết và sự đầy đủ - đó là ý nghĩa nhân quả thực sự.

• Nếu sự vắng mặt của sự kiện A dẫn đến sự vắng mặt của sự kiện B , nó có thể được gọi là cần thiết .
• Nếu chỉ một sự kiện A dẫn đến sự kiện B , nó có thể được gọi là đủ .

Nếu không có sữa khiến tôi đi đến cửa hàng , điều chúng tôi đang nói không phải là tôi vào sữa rỗng và lái xe. Nhân quả tuyệt đối có nghĩa là bất cứ khi nào tôi vẫn còn sữa , tôi không thể bận tâm đến cửa hàng; và ngược lại bất cứ khi nào tôi ở cửa hàng, đó là vì tôi không có sữa. Bây giờ thật dễ dàng để thấy vấn đề với việc thiết lập quan hệ nhân quả theo nghĩa tích cực: hầu hết mọi thứ không hoàn toàn là nhân quả. Có rất nhiều lý do khác khiến tôi có thể đến cửa hàng không liên quan đến trạng thái sữa.

Đây là một cách dễ dàng để nói một bài báo tuyệt vời từ một bài báo ổn. Trong nghiên cứu cẩn thận, bạn sẽ thấy các bài kiểm tra đầy đủ và cần thiết ở khắp mọi nơi. Đưa ra tuyên bố rằng thuốc phân tử nhỏ A có thể dẫn đến sự phân tách protein B phức tạp? Bạn sẽ thấy ngay các bài kiểm tra:

sự cần thiết ----test---- ----result---- everything but B --> [nothing] (check for false positive) everything but A --> assembled everything with A-like compound --> assembled (control group)

đủ A + B alone (in vitro) --> disassembled (check for false negative) A + B + everything --> disassembled (trial group)

Đây là cách truyền thống mà bạn sẽ xây dựng một lập luận quy nạp cho quan hệ nhân quả bằng thực nghiệm SỬ DỤNG, đó là điều tôi tin chắc rằng giảng viên của bạn đang trốn tránh!