КАУЗАЛЬНОЕ МОДЕЛИРОВАНИЕ


КАУЗАЛЬНОЕ МОДЕЛИРОВАНИЕ
- общее наименование методологических подходов и соответствующих им статистических методов, предназначенных для репрезентации и проверки (предположительно) каузальных связей между измеренными событиями и явлениями. К.М. - область совместных усилий статистиков и философов. Первое систематическое обсуждение каузальных отношений предпринято Аристотелем, выделившим 4 типа причинности, хотя лишь два из них - действующая и финальная - сегодня рассматриваются как каузальные.

Современные трактовки К.М. восходят к учению Д. Юма о регулярном причинении. Юм обосновал первый перечень критериев причинных связей: пространственно-временная смежность, временной порядок и постоянство сочетания причин (далее - П.) и следствий (далее - С.). Он отказал необходимости (каузальному механизму) в онтологическом статусе, рассматривая ее как субъективную конструкцию. В концепциях более поздних философов все три критерия и предположения Юма были поставлены под сомнение: событие A может быть П. события B, удаленного во времени и в пространстве, если между ними можно проследить каузальную цепь событий; П. и С. могут происходить одновременно (как в примере И. Канта с шаром, давящим на подушку); причинность в манипуляциях устанавливается в одном-единственном сочетании воздействия и его последствия. Критерий регулярности, который не дополняется теоретическими предположениями о каузальных механизмах, не позволяет отличить действительные причинно-следственные связи от повторяющихся событий вроде прилива и отлива. Дж.С. Милль показал узость понятия "полной" (исчерпывающей) П. у Юма, ввел представление о множественности П. и о том, что вывод о каузальных отношениях между событиями должен с неизбежностью включать эмпирический анализ контрфактов.

Другая детерминистская и эмпирически ориентированная концепция, лежащая в основе повседневного мышления, основана на идее манипуляции. Воздействие экспериментатора на природу служит П., вызывающей С. Временной и, более того, каузальный порядок гарантируются фактом манипуляции. С другой стороны, между независимой и зависимой переменными в эксперименте могут происходить другие события, потенциально объясняющие полученные эффекты ( Валидность). В эмпирических исследованиях обнаруживается относительность причин, что не позволяет убедительно отсеивать альтернативные объяснения. Манипулятивная концепция основана на антропоцентристских представлениях о мире и потому явно или не явно присутствует в большинстве научных концепций и в повседневных представлениях.

Начиная с середины 20 в. вследствие принятия недетерминистской картины мира в физике и развития статистического аппарата методологи попытались связать манипулятивную концепцию с понятием вероятности (П. Суппес и др.). Идея состояла в том, чтобы отвергать альтернативные объяснения (т.н. ложные причины) с помощью включения в модель информации о событиях, имевших место до предполагаемой П. Концепция не получила поддержки, поскольку статистические модели включают непроверяемые предположения, понятие вероятностной причинности не получило однозначного определения, а понятие каузальной необходимости является частью теории, но не вытекает из данных. Эффективность отсеивания альтернативных причин в значительной степени зависит от наличия полной истории изучаемого феномена, которая, как правило, недоступна. В то же время побочным результатом статистических усилий явилось введение полезного терминологического различения (причин и ковариатов, измеряемых до измерения причин), отражающего идеи Милля о контрфактах.

Дискуссии 1980-1990-х, в том числе в американском ежегоднике "Социологическая методология", показали, что единственным надежным подходом к установлению причинно-следственных отношений является эксперимент со случайным распределением испытуемых по уровням факторов. Этот подход был формализован Д. Рабиным для психологического эксперимента и впоследствии распространен на неэкспериментальные исследования. В этом случае наиболее обоснованным методом является регрессионный анализ,  в котором оцениваются чистые (частные) эффекты теоретически предполагаемых П., при условии, что единицы выборки отобраны случайно и что идентифицированы и измерены ковариаты. Различение причин и ковариатов является нетривиальной задачей. Так, пол всегда рассматривается как ковариат, но не как П. В некоторых случаях теоретически предполагаемые причины должны трактоваться как ковариаты только потому, что распределение единиц наблюдения по уровням этой переменной носит неслучайный характер, а механизм генерирования этой неслучайности неизвестен. Каузальную интерпретацию получают только регрессионные коэффициенты при переменных, имеющих достоверное "причинное" обоснование. Таким образом, под каузальными моделями в социологии чаще всего понимают регрессионные уравнения, обоснованные предыдущими исследованиями и респектабельной теорией.

Сложность изучаемых систем побудила экономистов искать средства для одновременного моделирования влияний нескольких независимых переменных на зависимые, и последних - друг на друга. Этот метод известен как "структурные уравнения"  и под именем путевого анализа введен в социологию О. Дунканом. Анализ путевой - это система регрессионных уравнений. Споры о способности структурных моделей адекватно отражать и оценивать каузальные отношения  привели к пессимистичным выводам. В частности, оспариваются попытки раскладывать общие эффекты одних переменных на другие, на прямые и непрямые (опосредованные). Обсуждается возможность моделирования одновременной и взаимной причинности, при этом большинство методологов придерживаются требования о временной последовательности П. и С. и отказываются рассматривать взаимную причинность как верифицируемую, вводят запрет на использование экспериментального языка (эффект, влияние) для описания регрессионных коэффициентов из предсказания одних зависимых переменных по другим. Методологи сходятся в том, что многие предположения структурного моделирования не проверяемы в самих моделях, и каузальная интерпретация возможна только для теоретически обоснованных моделей после накопления значительного объема знаний о моделируемой действительности.

Современные учебники существенно упрощают ситуацию, называя три критерия каузальности, каждый из которых оспаривается методологами: существует корреляция между предполагаемыми П. и С.; П. наблюдается раньше С.; отсутствуют альтернативные объяснения. Статистический анализ сам по себе не может развести различные сочетания событий: A причиняет B, В причиняет C, A причиняет B и C, B и C причиняют A и т.д. В таком случае альтернативные каузальные объяснения неизбежны, и социология не может отвергнуть экономические или психологические толкования. Что касается гипотез о каузальной необходимости (каузальных механизмах), они находятся вне компетенции методологии и должны обсуждаться в отношении каждой конкретной содержательной теории.

С.В. Сивуха


Социология: Энциклопедия. — Минск: Интерпрессервис; Книжный Дом. . 2003.

Смотреть что такое "КАУЗАЛЬНОЕ МОДЕЛИРОВАНИЕ" в других словарях:

  • Моделирование структурными уравнениями (structural equation modeling) — Используемое при разработке множества проблем, от изучения академических достижений до исслед. динамики настроения, М. с. у. представляет собой систематический анализ причинных связей. Широкое применение М. с. у., наз. еще анализом спроса (demand …   Психологическая энциклопедия

  • АНАЛИЗ МНОГОМЕРНЫЙ СТАТИСТИЧЕСКИЙ — раздел математической статистики , предназначенный для анализа связей между тремя и более переменными. Можно условно выделить три основных класса задач А.М.С. Это исследование структуры связей между переменными и снижение размерности пространства …   Социология: Энциклопедия

  • СТРУКТУРНЫЕ УРАВНЕНИЯ — метод моделирования отношений между несколькими переменными зависимыми (далее ЗП) и независимыми (далее НП), измеренными и латентными, непрерывными и дискретными, оформившийся в 1970 х в работах статистиков (К. Йореског и Д. Сёрбом), социологов… …   Социология: Энциклопедия

  • Wolfram SystemModeler — логотип Тип Объектно ориентированное программирование Разработчик Wolfram Research Операционная система Windows и OS X Последняя версия 3.0 (23 мая, 2012) …   Википедия