因果模型与传递性

发布时间：2025-01-17 12:46

　　 刘易斯把因果定义为实际事件之间因果依赖的传递闭包,可以解决困扰规则性理论的诸多问题,但是也确证了因果是传递的。在随后的讨论中因果传递性的反例不断涌现,从而间接地否定了刘易斯因果定义的合理性。希区柯克提出了结构方程模型的因果理论,他也认同通过反事实来理解因果,但和刘易斯不同,他引入了结构方程的工具来清晰地刻画具体的情形,并通过"活跃路径"来定义因果关系,他指出我们可以在不付出因果是传递性这个代价的情况之下,也可以合理地获得刘易斯因果定义的那些好处,而且还能够解决困扰他的定义的那些反例。笔者试图证明所有用以反驳因果传递性的反例都存在一种潜在的概念偷换,并不构成对刘易斯因果理论的反驳,并给出反例说明希区柯克所自信的那些结构因果模型的优点,比如清晰地刻画具体的情形,也有其界限,在具体的问题讨论中也有其无法克服的"言不尽意"处。

【文章页数】：9 页

【部分图文】：

图6“狗咬”的因果图

因果图如图6所示其中

图1 因果链

假定现实中的因果模型是这样的:B=A,C=B,③与之对应的因果图如图1所示,刘易斯的因果定义是没有任何争议的,B的值反事实依赖于A的值,而C的值反事实依赖于B的值,存在一条从A到C的反事实依赖链,所以A是C的原因。但是如果现实的因果模型要复杂一些,比如下面这个因果模型:A=1,B....

图2 更复杂的因果图

刘易斯的因果定义是没有任何争议的,B的值反事实依赖于A的值,而C的值反事实依赖于B的值,存在一条从A到C的反事实依赖链,所以A是C的原因。但是如果现实的因果模型要复杂一些,比如下面这个因果模型:A=1,B=?A,C=B∨A,④与之对应的因果图如图2如下:上述结构方程实际上是对前期....

图3 中介变元的引入

上述结构方程实际上是对前期先发制人情形的一个模拟。显然在这个因果模型中,C的值并不反事实依赖于B的值。那么可不可以按照刘易斯的方式找到一条从A到C的反事实依赖链呢?显然从A到B,从B到C并不是一条反事实依赖链,因为C的值并不反事实依赖于B的值。但是在前期先发制人的情形中并不是无计....

本文编号：4028080