Bạn có thể suy ra mối quan hệ nhân quả từ mối tương quan trong ví dụ này của trò chơi độc tài?

Tôi vừa trải qua kỳ thi, nơi chúng tôi được trình bày với hai biến. Trong một trò chơi độc tài mà một nhà độc tài được trao 100 USD và có thể chọn gửi hoặc giữ bao nhiêu cho chính mình, có một mối tương quan tích cực giữa tuổi và số tiền mà người tham gia quyết định giữ.

Tôi nghĩ rằng bạn không thể suy ra nhân quả từ điều này bởi vì bạn không thể suy ra nguyên nhân từ mối tương quan. Bạn cùng lớp của tôi nghĩ rằng bạn có thể bởi vì nếu bạn, ví dụ, chia những người tham gia thành ba nhóm riêng biệt, bạn có thể thấy họ khác nhau như thế nào về số tiền họ giữ và số tiền họ chia sẻ, và do đó kết luận rằng tuổi tác khiến họ giữ được nhiều hơn. Ai đúng và tại sao?

Nói chung, bạn không nên cho rằng mối tương quan hàm ý nhân quả - ngay cả trong trường hợp dường như đó là lý do duy nhất có thể.

Hãy xem xét rằng có những thứ khác tương quan với tuổi tác - các khía cạnh thế hệ của văn hóa chẳng hạn. Có lẽ ba nhóm này sẽ vẫn giống nhau ngay cả khi họ ở mọi lứa tuổi, nhưng thế hệ tiếp theo sẽ tạo ra xu hướng?

Tất cả những gì đang được nói, bạn có thể đúng rằng những người trẻ tuổi có nhiều khả năng giữ một số tiền lớn hơn, nhưng chỉ cần lưu ý có những khả năng khác.

Tôi có thể định nghĩa một số nhân quả từ dữ liệu của bạn.

1. Độ tuổi được đo và sau đó số tiền được giữ. Những người tham gia lớn tuổi thích giữ nhiều tiền hơn (có thể họ thông minh hơn hoặc ít lý tưởng hơn, nhưng đó không phải là vấn đề).

2. Số tiền giữ được đo và sau đó là tuổi. Những người giữ nhiều tiền hơn dành nhiều thời gian hơn để đếm nó và do đó già hơn khi đo tuổi.

3. Những người bị bệnh giữ nhiều tiền hơn vì họ cần tiền cho thuốc (có thể là cứu sống) hoặc điều trị. Mối tương quan thực tế là giữa bệnh tật và tiền được giữ, nhưng biến này là "ẩn" và do đó chúng ta đi đến kết luận sai, bởi vì tuổi tác và khả năng mắc bệnh có liên quan đến nhóm nhân khẩu học của những người được chọn làm thí nghiệm.

(Bỏ qua 143 lý thuyết; tôi cần giữ nguyên lý do này ngắn)

147. Người làm thí nghiệm nói theo một phương ngữ cũ, tối nghĩa mà những người trẻ không hiểu và do đó chọn nhầm phương án.

Kết luận: bạn đúng, nhưng bạn cùng lớp của bạn có thể tuyên bố là đúng hơn 147 lần.

Một mối tương quan nổi tiếng khác là giữa IQ thấp và số giờ xem TV hàng ngày. Có phải xem TV làm cho một người câm, hoặc người câm xem nhiều TV hơn? Nó thậm chí có thể là cả hai.

Suy ra nguyên nhân từ mối tương quan nói chung là có vấn đề bởi vì có thể có một số lý do khác cho mối tương quan. Ví dụ: tương quan giả do các yếu tố gây nhiễu , sai lệch lựa chọn (ví dụ: chỉ chọn người tham gia có thu nhập dưới ngưỡng nhất định) hoặc hiệu ứng nhân quả có thể chỉ đơn giản là đi theo hướng khác (ví dụ: nhiệt kế có tương quan với nhiệt độ nhưng chắc chắn không gây ra nó). Trong mỗi trường hợp này, quy trình của bạn cùng lớp của bạn có thể tìm thấy hiệu ứng nhân quả khi không có.

Tuy nhiên, nếu những người tham gia được chọn ngẫu nhiên, chúng tôi có thể loại trừ các yếu tố gây nhiễu và sai lệch lựa chọn. Trong trường hợp đó, một trong hai tuổi phải gây ra tiền giữ hoặc tiền giữ phải gây ra tuổi . Điều thứ hai sẽ ngụ ý rằng việc buộc ai đó giữ một số tiền nhất định bằng cách nào đó sẽ thay đổi tuổi của họ. Vì vậy, chúng ta có thể giả định rằng tuổi tác gây ra tiền một cách an toàn .

Lưu ý rằng hiệu ứng nhân quả có thể là "trực tiếp" hoặc "gián tiếp" . Những người ở độ tuổi khác nhau sẽ nhận được một nền giáo dục khác nhau, có một lượng tài sản khác nhau, v.v. và vì những lý do này có thể chọn giữ một số tiền khác nhau là 100 đô la. Tác động nhân quả thông qua các trung gian này vẫn là tác động nhân quả nhưng là gián tiếp.

Tương quan là một khái niệm toán học; quan hệ nhân quả là một ý tưởng triết học.

Mặt khác, tương quan giả là một khái niệm chủ yếu là kỹ thuật (bạn sẽ không tìm thấy nó trong sách giáo khoa xác suất lý thuyết đo lường) có thể được định nghĩa theo cách mà hầu hết có thể thực hiện được.

Ý tưởng này liên quan chặt chẽ đến ý tưởng giả mạo trong khoa học - nơi mục tiêu không bao giờ là để chứng minh mọi thứ, chỉ để từ chối chúng.

Thống kê là toán học như y học là sinh học. Bạn được yêu cầu đưa ra phán xét tốt nhất với sự hỗ trợ của vô số kiến ​​thức kỹ thuật, nhưng kiến ​​thức này không bao giờ đủ để bao quát toàn thế giới. Vì vậy, nếu bạn định đưa ra những đánh giá như một nhà thống kê và trình bày chúng cho những người khác, bạn cần tuân theo các tiêu chuẩn chất lượng nhất định được đáp ứng; tức là bạn đang đưa ra lời khuyên hợp lý, cho họ giá trị tiền của họ. Điều này cũng có nghĩa là xem xét sự bất cân xứng của rủi ro - trong xét nghiệm y tế, chi phí cho kết quả âm tính giả (có thể khiến mọi người không được điều trị sớm) có thể cao hơn chi phí cho kết quả dương tính giả (gây ra đau khổ) .

Trong thực tế, các tiêu chuẩn này sẽ thay đổi từ trường này sang trường khác - đôi khi đó là RCT mù ba lần, đôi khi đó là các biến công cụ và các kỹ thuật khác để kiểm soát nguyên nhân ngược và các nguyên nhân phổ biến ẩn giấu, đôi khi đó là nguyên nhân Granger - rằng một điều gì đó trong quá khứ luôn tương quan với một cái gì đó khác trong sự hiện diện, nhưng không theo hướng ngược lại. Nó thậm chí có thể được chính quy hóa nghiêm ngặt và xác nhận chéo.

Mối quan hệ giữa tương quan và quan hệ nhân quả đã làm bối rối các nhà triết học và các nhà thống kê như nhau trong nhiều thế kỷ. Cuối cùng, trong hơn hai mươi năm qua, các nhà khoa học máy tính tuyên bố đã sắp xếp tất cả. Điều này dường như không được biết đến rộng rãi. May mắn thay, Judea Pearl, một chuyên gia chính trong lĩnh vực này, gần đây đã xuất bản một cuốn sách giải thích công việc này cho một đối tượng phổ biến: The Book of Why.

https://www.amazon.com/Book-Why-Science-Cause-Effect/dp/046509760X

https://bigthink.com/errors-we-live-by/judea-pearls-the-book-of-why-brings-news-of-a-new-science-of-causes

Cảnh báo về spoiler: Bạn có thể suy ra nguyên nhân từ mối tương quan trong một số trường hợp nếu bạn biết bạn đang làm gì. Bạn cần đưa ra một số giả định nguyên nhân để bắt đầu (một mô hình nhân quả, lý tưởng dựa trên khoa học). Và bạn cần các công cụ để thực hiện lý luận phản tác dụng (Đại số). Xin lỗi tôi không thể chắt lọc điều này xuống một vài dòng (tôi vẫn đang đọc cuốn sách này), nhưng tôi nghĩ câu trả lời cho câu hỏi của bạn nằm ở đó.

Yêu cầu nhân quả cho tuổi sẽ không phù hợp trong trường hợp này

Vấn đề với yêu cầu nhân quả trong thiết kế câu hỏi thi của bạn có thể được rút ngắn thành một thực tế đơn giản: lão hóa không phải là một điều trị, tuổi tác không bị thao túng chút nào. Lý do chính để thực hiện các nghiên cứu có kiểm soát là chính xác, do thao tác và kiểm soát các biến quan tâm, bạn có thể nói rằng sự thay đổi trong một biến gây ra thay đổi kết quả (trong điều kiện thí nghiệm cực kỳ cụ thể và với tải trọng thuyền về các giả định khác như gán ngẫu nhiên và người thí nghiệm đã không làm hỏng cái gì đó trong các chi tiết thực hiện, mà tôi tình cờ thấy ở đây).

Nhưng đó không phải là những gì thiết kế bài kiểm tra mô tả - đơn giản là nó có hai nhóm người tham gia, với một thực tế cụ thể khác với họ được biết (tuổi của họ); nhưng bạn không có cách nào để biết bất kỳ cách nào khác mà nhóm khác nhau. Do thiếu kiểm soát, bạn không thể biết liệu chính sự khác biệt về tuổi tác đã gây ra sự thay đổi kết quả hay là vì lý do những người 40 tuổi tham gia một nghiên cứu là vì họ cần tiền trong khi những người 20 tuổi những sinh viên đang tham gia tín dụng lớp và do đó có những động lực khác nhau - hoặc bất kỳ một trong số hàng ngàn sự khác biệt tự nhiên khác có thể có trong các nhóm của bạn.

Bây giờ, thuật ngữ kỹ thuật cho các loại điều này thay đổi theo lĩnh vực. Các thuật ngữ phổ biến cho những thứ như tuổi tham gia và giới tính là "thuộc tính người tham gia", "biến ngoại lai", "biến độc lập thuộc tính", v.v ... Cuối cùng, bạn kết thúc với một thứ không phải là "thử nghiệm thực sự" hoặc "thử nghiệm thực sự được kiểm soát", bởi vì điều bạn muốn đưa ra yêu cầu về - như tuổi tác - không thực sự nằm trong tầm kiểm soát của bạn để thay đổi, do đó, hầu hết bạn có thể hy vọng mà không cần các phương pháp tiên tiến hơn (như suy luận nguyên nhân, điều kiện bổ sung, dữ liệu theo chiều dọc, v.v.) là để khẳng định có một mối tương quan.

Đây cũng là một trong những lý do tại sao các thí nghiệm trong khoa học xã hội và hiểu các thuộc tính khó kiểm soát của con người, rất khó trong thực tế - mọi người khác nhau theo nhiều cách và khi bạn không thể thay đổi những điều bạn muốn để tìm hiểu về, bạn có xu hướng cần các kỹ thuật thử nghiệm và suy luận phức tạp hơn hoặc một chiến lược hoàn toàn khác.

Làm thế nào bạn có thể thay đổi thiết kế để đưa ra yêu cầu nhân quả?

Hãy tưởng tượng một kịch bản giả thuyết như thế này: Nhóm A và B đều được tạo thành từ những người tham gia 20 tuổi.

Bạn có nhóm A chơi trò chơi độc tài như bình thường.

Đối với nhóm B, bạn lấy ra một Tia Khoa học Lão hóa (hoặc có lẽ bằng cách sử dụng Ghost đối xử với họ bằng những cảnh tượng kinh hoàng ), mà bạn đã điều chỉnh cẩn thận để già đi tất cả những người tham gia trong Nhóm B để họ giờ đã 40 tuổi, nhưng mặt khác, để chúng không thay đổi, và sau đó cho chúng chơi trò chơi độc tài giống như nhóm A đã làm.

Để nghiêm ngặt hơn, bạn có thể nhờ Nhóm C của những người 40 tuổi ở độ tuổi tự nhiên xác nhận sự lão hóa tổng hợp có thể so sánh với lão hóa tự nhiên, nhưng hãy để mọi thứ đơn giản và nói rằng chúng ta biết rằng lão hóa nhân tạo giống như thực tế dựa trên "trước công việc".

Bây giờ, nếu Nhóm B giữ được nhiều tiền hơn Nhóm A, bạn có thể cho rằng thí nghiệm chỉ ra rằng sự lão hóa khiến mọi người giữ được nhiều tiền hơn. Tất nhiên vẫn còn khoảng một nghìn lý do tại sao yêu cầu của bạn có thể trở nên sai, nhưng ít nhất thử nghiệm của bạn có một cách giải thích nguyên nhân hợp lệ.

Không. Có mối quan hệ logic một chiều giữa quan hệ nhân quả và tương quan.

Xem xét mối tương quan một thuộc tính bạn tính toán trên một số dữ liệu, ví dụ như mối tương quan (tuyến tính) phổ biến nhất theo định nghĩa của Pearson. Đối với định nghĩa tương quan cụ thể này, bạn có thể tạo các điểm dữ liệu ngẫu nhiên sẽ có tương quan bằng 0 hoặc không có mối quan hệ nhân quả nào giữa chúng, chỉ bằng cách có (a) đối xứng nhất định. Đối với bất kỳ định nghĩa về tương quan, bạn có thể tạo một đơn thuốc sẽ hiển thị cả hai hành vi: giá trị tương quan cao không có mối quan hệ toán học ở giữa và giá trị tương quan thấp, ngay cả khi có một biểu thức cố định.

Đúng, mối quan hệ từ "không liên quan, nhưng tương quan cao" yếu hơn "không tương quan mặc dù có liên quan". Nhưng chỉ số duy nhất (!) Bạn có nếu có mối tương quan là bạn phải tìm kiếm một lời giải thích cho nó.

Nói chung, bạn không thể nhảy từ tương quan sang quan hệ nhân quả. Ví dụ, có một hiện tượng khoa học xã hội nổi tiếng về tình trạng / giai cấp xã hội và xu hướng chi tiêu / tiết kiệm. Cho nhieu nhiều năm người ta tin rằng đây cho thấy nhân quả. Năm ngoái, nghiên cứu chuyên sâu hơn cho thấy nó không phải là.

"Mối tương quan không phải là nguyên nhân" cổ điển - trong trường hợp này, yếu tố gây nhiễu là việc lớn lên trong nghèo đói dạy cho mọi người sử dụng tiền khác nhau và chi tiêu nếu có thặng dư, vì nó có thể không có vào ngày mai ngay cả khi được cứu vì nhiều lý do .

Trong ví dụ của bạn, giả sử những người già đều sống qua một cuộc chiến tranh, mà những người trẻ hơn thì không. Liên kết có thể là những người lớn lên trong hỗn loạn xã hội, có nguy cơ thực sự bị tổn hại và mất mạng, học cách ưu tiên tiết kiệm tài nguyên cho bản thân và chống lại nhu cầu, hơn những người lớn lên trong hoàn cảnh hạnh phúc hơn khi nhà nước, chủ nhân, hoặc các công ty bảo hiểm sức khỏe sẽ chăm sóc nó và sự sống còn không phải là vấn đề định hình triển vọng của họ. Sau đó, bạn sẽ nhận được cùng một liên kết rõ ràng - những người lớn tuổi (bao gồm cả những người gần với thế hệ của họ) giữ nhiều hơn, nhưng rõ ràng nó sẽ chỉ được liên kết với tuổi. Trên thực tế các yếu tố gây bệnh là một trong những tình huống xã hội đã dành nhiều năm hình thành trong, và những gì mà những thói quen dạy - không già cho mỗi gia nhập .

Có một vài lý do tại sao kết luận này không có ý nghĩa.

1. Đó không phải là một giả thuyết được định trước.
2. Không có nhóm kiểm soát.
3. Tuổi tác không phải là yếu tố rủi ro có thể thay đổi ... tùy thuộc vào câu hỏi bạn đang cố gắng hỏi.

Một cải tiến được đề xuất cho thiết kế là nghiên cứu loại chéo sau đây.

Cùng một thiết lập: những người tuyệt vọng ngẫu nhiên ở bất kỳ độ tuổi nào cai trị đất đai. Thiết kế: Chọn các cặp độc tài trẻ và già phù hợp. Đưa cho họ nồi tiền, kiểm tra tỷ lệ chênh lệch bị giữ lại (già - trẻ =$p_1$). Ăn cắp tiền trở lại để đất nước và người cai trị về cơ bản có cùng tài sản như trước đây. Đặt chúng từ ngai vàng tương ứng của chúng và cài đặt chúng ở vùng đất khác. Chỉnh sửa lại việc cho vào nồi, kiểm tra tỷ lệ chênh lệch bị giữ lại (già - trẻ =$p_2$).

Nhân quả và tương quan là những phạm trù khác nhau của sự vật. Đó là lý do tại sao tương quan một mình là không đủ để suy ra quan hệ nhân quả.

Ví dụ, quan hệ nhân quả là định hướng , trong khi tương quan thì không. Khi suy ra nhân quả, bạn cần thiết lập nguyên nhân và nguyên nhân là gì.

Có những thứ khác có thể can thiệp vào suy luận của bạn. Các biến ẩn hoặc thứ ba và tất cả các câu hỏi về thống kê (chọn mẫu, cỡ mẫu, v.v.)

Nhưng giả sử rằng số liệu thống kê của bạn được thực hiện đúng, mối tương quan có thể cung cấp manh mối về quan hệ nhân quả. Thông thường, nếu bạn tìm thấy một mối tương quan, nó có nghĩa là có một loại nhân quả ở đâu đó và bạn nên bắt đầu tìm kiếm nó.

Bạn hoàn toàn có thể bắt đầu với một giả thuyết xuất phát từ mối tương quan của bạn. Nhưng một giả thuyết không phải là nhân quả, nó chỉ đơn thuần là khả năng của nhân quả. Sau đó, bạn cần phải kiểm tra nó. Nếu giả thuyết của bạn chống lại những nỗ lực làm sai lệch đủ, bạn có thể sẽ làm điều gì đó.

Ví dụ, trong giả thuyết tham lam nguyên nhân tuổi tác của bạn, một giả thuyết thay thế sẽ là nó không phải là tuổi tác, mà là thời gian của một nhà độc tài. Vì vậy, bạn sẽ tìm kiếm những nhà độc tài cũ, nhưng được trao quyền gần đây như một nhóm kiểm soát, và nhà độc tài trẻ tuổi nhưng từ khi còn nhỏ như một người thứ hai và kiểm tra kết quả ở đó.

Cảm ơn bạn @AdamO đã cung cấp nhiều thảo luận và các điểm tranh luận cho bài đăng này. Tôi đang cố gắng đưa ra một cái nhìn vật lý về quan hệ nhân quả, có thể xa lạ với người đọc số liệu thống kê trung bình.

Bạn đúng từ quan điểm khoa học vật lý. Ở dạng đơn giản nhất, khả năng của quan điểm nhân quả không phụ thuộc vào thời gian vật lý là ở cơ sở của suy luận-danh nghĩa (DN) của giải thích khoa học, xem xét một sự kiện sẽ được giải thích nếu nó có thể được thực hiện theo luật khoa học. Theo quan điểm của DN, một trạng thái vật lý được coi là được giải thích nếu, áp dụng luật (xác định), nó có thể được bắt nguồn từ các điều kiện ban đầu. (Các điều kiện ban đầu như vậy có thể bao gồm thời điểm và khoảng cách với nhau của các ngôi sao nhị phân tại bất kỳ thời điểm nào.) 'Giải thích theo chủ nghĩa quyết định' đôi khi được gọi là chủ nghĩa xác định nguyên nhân.

Hoàn thiện hơn một chút về vấn đề này, người ta sẽ bao gồm mô hình thống kê quy nạp của Hempel để tạo thành một lời giải thích khoa học , liên kết này cung cấp một cuộc thảo luận đầy đủ hơn về quan hệ nhân quả.

Đối với vấn đề trong tay, tuổi tác có thể liên quan đến kinh nghiệm, nhưng mối quan hệ không đơn giản, hơn nữa, chức năng não ở các độ tuổi khác nhau (phân định thời gian giãn theo tuổi). Kinh nghiệm như một công cụ sửa đổi hành vi khá thay đổi, và chỉ vì một đoàn hệ theo ý nghĩa lãnh thổ và thời gian nhất định có thể có những trải nghiệm lịch sử tương tự không ngụ ý rằng bất kỳ hành vi nào từ những trải nghiệm đó có thể được ngoại suy sang các đoàn hệ khác mà không sợ mâu thuẫn. Đối với một thử nghiệm có kiểm soát, điểm chung của các trải nghiệm là một biến không được kiểm soát, đưa ra một lượng tương quan giả chưa biết và chưa được khám phá vào bất kỳ so sánh nhị phân nào mà không có bất kỳ sự khác biệt nào được tìm thấy là tiết lộ mối liên hệ có thể có nguyên nhân. Hơn nữa, một nguyên nhân có thể xảy ra, khi được tìm thấy, sẽ chỉ tạo thành một sự nghi ngờ và không phải là một cái gì đó người ta có thể tuyên bố với niềm tin; tốt nhất là một giả thuyết làm việc không phải là một kết luận tốt nhất. Những kết án liên quan đến quan hệ nhân quả chỉ nên được rút ra từ một cơ thể bằng chứng đủ bao gồm những kết án đó mà không có nghi ngờ hợp lý. Đó không phải là trường hợp cho câu hỏi ở trên mà không có đủ thông tin để yêu cầu bất kỳ mối quan hệ nhân quả nào ngoài bối cảnh trùng hợp từ việc phân nhóm. Thật vậy, người ta có thể đưa ra rất nhiều giả thuyết, ví dụ, sự tiến hóa của sự hào phóng theo tuổi tác được sửa đổi bằng kinh nghiệm văn hóa / lịch sử, mà không có kết luận chắc chắn nào có thể được rút ra từ vấn đề như đã nêu. Những kết án liên quan đến quan hệ nhân quả chỉ nên được rút ra từ một cơ thể bằng chứng đủ bao gồm những kết án đó mà không có nghi ngờ hợp lý. Đó không phải là trường hợp cho câu hỏi ở trên mà không có đủ thông tin để yêu cầu bất kỳ mối quan hệ nhân quả nào ngoài bối cảnh trùng hợp từ việc phân nhóm. Thật vậy, người ta có thể đưa ra rất nhiều giả thuyết, ví dụ, sự tiến hóa của sự hào phóng theo tuổi tác được sửa đổi bằng kinh nghiệm văn hóa / lịch sử, mà không có kết luận chắc chắn nào có thể được rút ra từ vấn đề như đã nêu. Những kết án liên quan đến quan hệ nhân quả chỉ nên được rút ra từ một cơ thể bằng chứng đủ bao gồm những kết án đó mà không có nghi ngờ hợp lý. Đó không phải là trường hợp cho câu hỏi ở trên mà không có đủ thông tin để yêu cầu bất kỳ mối quan hệ nhân quả nào ngoài bối cảnh trùng hợp từ việc phân nhóm. Thật vậy, người ta có thể đưa ra rất nhiều giả thuyết, ví dụ, sự tiến hóa của sự hào phóng theo tuổi tác được sửa đổi bằng kinh nghiệm văn hóa / lịch sử, mà không có kết luận chắc chắn nào có thể được rút ra từ vấn đề như đã nêu.