Корреляция не задаёт направление причинности
Если люди, которые чаще тренируются, в среднем лучше оценивают своё самочувствие, из наблюдения нельзя сразу заключить, что тренировки полностью объясняют разницу. Более здоровые люди могут чаще тренироваться, а доход, возраст или режим работы могут влиять и на активность, и на самочувствие. Корреляция полезна как сигнал для исследования, но причинный вывод требует понять возможные альтернативные механизмы. Особенно важно спрашивать, что могло повлиять одновременно на предполагаемую причину и результат.
Контрфактический вопрос формулирует цель анализа
Для одного и того же объекта невозможно одновременно увидеть два состояния: что произошло после воздействия и что произошло бы без него. Второе состояние называют контрфактическим. Поэтому задача исследователя — найти разумную замену этому ненаблюдаемому сравнению. В эксперименте её создаёт контрольная группа. В наблюдательных данных используют статистические методы и дизайн исследования, пытаясь приблизить группы друг к другу по важным характеристикам. Без чёткого контрфактического вопроса расчёты легко становятся декоративными.
Смешивающие факторы и посредники нельзя путать
Смешивающий фактор влияет и на воздействие, и на результат, создавая ложную или искажённую связь. Посредник, напротив, находится на пути от воздействия к результату. Например, если обучение повышает квалификацию, а квалификация влияет на производительность, она может быть частью причинного механизма. Если механически «контролировать всё подряд», можно удалить часть реального эффекта. Причинные схемы помогают заранее решить, какие переменные нужно учитывать, а какие нельзя бездумно включать в модель.
Хороший дизайн важнее сложной модели
Сложный алгоритм не исправляет систематическую ошибку в сборе данных. Если группы изначально различаются по важной причине, которую никто не измерил, результат останется сомнительным. Поэтому каузальный анализ начинается с дизайна: как назначалось воздействие, когда измерялся результат, могли ли участники выбирать группу, какие события происходили параллельно. Иногда простой эксперимент даёт более надёжный ответ, чем многоуровневая модель на плохих наблюдательных данных.
Попробуйте на практике
Разобрать причинное утверждение на составляющие.
- Возьмите утверждение вида «X улучшает Y» и точно определите X и Y.
- Запишите хотя бы три фактора, которые могут влиять одновременно на X и Y.
- Нарисуйте стрелками предполагаемые причинные связи между переменными.
- Опишите, какой контрольный сценарий нужен для сравнения результата.
- Сформулируйте, какие данные позволили бы сильнее проверить причинную гипотезу.
Как проверить результат. Разбор готов, если вы отличаете предполагаемую причину, результат, смешивающие факторы и способ построения сравнения.
Частые вопросы
Можно ли доказать причинность только наблюдательными данными?
Иногда можно получить убедительное причинное приближение при сильном дизайне и обоснованных допущениях, но такие выводы обычно требуют больше осторожности, чем рандомизированный эксперимент.
Зачем нужны причинные графы?
Они заставляют явно показать предполагаемые связи и помогают решить, какие переменные учитывать в анализе.
Почему нельзя контролировать все доступные признаки?
Некоторые признаки могут быть посредниками или последствиями воздействия. Их включение способно исказить оцениваемый эффект.
Самостоятельный разбор темы. Содержание конкретной обучающей программы здесь не представлено.