Причинно следственной: Причинно-следственная связь уголовное \ Акты, образцы, формы, договоры \ Консультант Плюс

Частная психиатрия | Обучение | РОП

Как было сказано выше, для врача всегда важно сформировать правильные представления об этиологии тех состояний, с которыми он встречается у своих больных. Поэтому при диагностике любых заболеваний важно уметь выявить истинные причины их развития. Как же отличить истинные причины от факторов, которые не связанны с развитием заболевания, но могут случайно присутствовать у больного?

В медицине выделяют ряд критериев, которые используются для подтверждения причинно-следственных связей (критерии Хилла):

Устойчивость: ассоциация стабильна при воспроизведении результатов в исследованиях в других условиях и другими методами
Сила: определяется величиной риска, которая оценивается соответствующими статистическими критериями
Специфичность: о ней говорят, если одна предполагаемая причина вызывает один специфический эффект
Зависимость доза-эффект: усиление воздействия (по количеству и/или по времени) увеличивает риск

Временная зависимость: воздействие всегда предшествует исходу. Это единственный абсолютно необходимый критерий
Биологическая правдоподобность: ассоциация согласуется с существующими представлениями о патобиологических процессах
Когерентность: ассоциация должна быть сопоставима с существующей теорией и знаниями.
Эксперимент: состояние (исход) можно изменить (например, предотвратить или облегчить) в соответствующем эксперименте

Одним из частных случаев установления такой связи являются Критерии психогенных расстройств (т.е. расстройств, вызванных психотравмами — жизненными событиями, обладающими субъективной эмоциональной значимостью и проводящими к негативно окрашенным переживаниям), предложенные Карлом Ясперсом:

1. Начало расстройства совпадает по времени с действием психотравмы

2. В переживаниях отражается содержание психотравмирующего события

3. Редукция симптоматики после окончания действия психотравмы

Оценка возможных причинно-следственных связей особенно необходима для диагностики эндогенных психических расстройств. Как было отмечено выше, эти расстройства возникают по внутренним причинам, но жизнь человека не бывает изолирована от внешних событий, которые иногда могут привлекать к себе внимание и казаться причиной того или иного расстройства. Только тщательное рассмотрение динамики развития состояния поможет объяснить является ли тот или иной фактор причинным или нет.

Например,

• Пик заболеваемости шизофрений приходится на возраст 20-30 лет, т.е. период, когда многие молодые люди учатся в ВУЗах. Шизофрения развивается по эндогенным (внутренним, вероятно генетически обусловленным) механизмам, но сам пациент и его родственники зачастую в своем понимании причин болезни склонны связывать развитие этого заболевания с неблагоприятными внешними факторами, в т.ч. интеллектуальными нагрузками и эмоциональными стрессами во время учебы («переучился»). Например, мать 22-летнего пациента впервые обратила внимание на странности в поведении своего сына после того, как он «завалил» сессию в университете.

Она заметила, что он не хочет обсуждать свою дальнейшую учебу в ВУЗе, не планирует идти на пересдачу, негативно реагирует на напоминания об экзаменах, много времени проводит один в своей комнате, общения со знакомыми избегает, постоянно погружен в какие-то размышления. Мать решила, что это «депрессия», вызванная неудачами на экзаменах, стала тревожиться о возможных суицидных мыслях у сына и настояла на его консультации у психиатра. В беседе с пациентом психиатр выяснил, что его переживания никак не связаны с экзаменационным стрессом, на самом деле пациент поглощен общением с «инопланетными захватчиками», «голоса» которых он слышит уже на протяжении полугода, уверен, что они «зомбируют» его для того, чтобы «сделать орудием уничтожения Земли» (т.е. на лицо галлюцинаторно-бредовая симптоматика). Более того, он забросил учебу и не сдал сессию, именно из-за того, что уже был поглощен этими переживаниями, а учеба в настоящее время его совершенно не беспокоит. Т.е. в данном случае нельзя говорить о психогенном расстройстве, т.

к. ни критерий содержания переживаний, ни критерий правильных временных соотношений не соблюдены, кроме того, дальнейшая динамика состояния оказалась никак не связана с действием экзаменационного стресса, а определялась собственной траекторией развития заболевания (носит аутохтонный характер). Тем не менее, как и многие другие пациенты в такой ситуации, этот пациент и его родные, развитие заболевания которого (в данном случае шизофрении) совпало с высокими нагрузками во время учебы в ВУЗе, на психологическом уровне склонны объяснять развитие психического расстройства именно в качестве следствия учебных нагрузок и других «стрессов», т.к. такое объяснение для них является гораздо более очевидным, чем медицинские рассуждения о генетических и нейрохимических механизмах, лежащих в основе эндогенных психических заболеваний.

• Особенно часто психологически понятные житейские объяснения получают депрессивные расстройства. Это обусловлена тем, что связь неблагоприятных жизненных событий с негативно окрашенными эмоциональными реакциями на них для всех очевидна. Однако в медицинском понимании депрессия представляет собой болезненное эмоциональное состояние, а не эмоциональную реакцию (подробнее об их различиях см. тут) и истинная депрессия (т.е. состояние) гораздо в большей степени определяется биологическими (эндогенными) причинами, чем обычно предполагают неспециалисты (подробнее см. тут). Например, психиатра в больнице скорой помощи вызывают для консультации молодой девушки, совершившей суицидную попытку «в связи с изменой молодого человека». При осмотре выясняется, что об измене пациентка узнала накануне от подруги, после этого сразу же пошла в ванную комнату, где, закрывшись одна, нанесла себе серьезные самопорезы предплечья и только вовремя подоспевшая помощь родных смогла сохранить ей жизнь. И сама пациентка, и родные, и врачи, которые оказывали ей первую помощь, объясняют данный суицид исключительно фактом измены, ставшей для пациентки серьезной психологической травмой. Однако в ходе беседы с пациенткой становится сразу заметна ее выраженная психомоторная заторможенность, далее она рассказывает, что уже несколько месяцев испытывает необъяснимую подавленность, тяжесть, тоску о чем-то отсутствующем, ей стало трудно общаться с людьми, учиться, много времени стала проводить дома, потеряла интерес к развлечениям и общению со своим молодым человеком, с которым до этого они уже начинали планировать свадьбу.

Все это время мало следила за своим внешним видом, хотя прежде была «модницей», стала часто задумываться о смысле жизни, ее бренности, бессмысленности, уже не раз думала о том, что смерть была бы для нее облегчением. В таком состоянии известие о том, что ее молодой человек стал встречаться с другой девушкой (а его измену во многом можно объяснить тем, что поведение пациентки сильно изменилась из-за депрессии, но болезненность этого состояния ее друг, к сожалению, не распознал), лишь подтолкнуло ее к решению о самоубийстве, стало «последней каплей», по сути являясь лишь поводом для этого решения, содержанием её депрессивных переживаний, а не их причиной.

• Многие молодые пациенты, страдающие шизофренией, объясняют развитие у них галлюцинаторно-бредовой симптоматики последствиями употребления ими наркотических веществ. Студенты во время курации пациентов на психиатрических отделениях охотно воспринимают эти объяснения, выставляя в учебных историях болезни вместо диагноза шизофрении (эндогенного психического расстройства), диагнозы психических расстройств, вызванных употреблением наркотиков.

Однако при этом в большинстве случаев они игнорируют «биологический смысл» и динамику взаимосвязи употребления наркотических веществ и психических расстройств. При эпизодическом употреблении (а обычно именно о таком употреблении идет речь) некоторых наркотиков возможно развитие интоксикационных психозов с галлюцинаторно-бредовой симптоматикой, однако их течение скоротечно и определяется наличием в крови человека определенной концентрации наркотического вещества. Как только концентрация снижается (обычно в течение нескольких часов), психические расстройства проходят сами собой. В случаях эндогенных причин развития галлюцинаторно-бредовых состояний их динамика никак не связана с употреблением наркотических веществ и другими внешними факторами. Это обычно и наблюдается в подобных случаях: пациент много лет болеет, многократно лечился с обострениями галлюцинаторно-бредовой симптоматики, которая сохраняется у него длительное время, а это значит, что эпизодическое употребление каких-либо наркотиков, которое было много лет назад, уже давно не оказывает какого-либо влияния на динамику его состояния и не может рассматриваться в качестве причины болезни.

• Тем не менее, в научной литературе доказано, что, например, факт употребления каннабиноидов (конопля, марихуана, гашиш и пр.) повышает риск развития шизофрении. Т.е. среди тех, у кого развилась шизофрения, частота употребления каннабиноидов выше, чем среди тех, у кого она не развилась. Однако этот фактор риска только гипотетически рассматривается как этиологического фактора, т.к. возможны две причины наблюдающегося увеличения частоты: 1) употребление каннабиноидов потенциально может каким-то образом менять нейрохимию мозга, приводя к развитию симптоматики шизофрении; 2) наоборот, люди, заболевающие шизофренией, реагируя на появление первой симптоматики, ищут объяснение своих расстройств, пытаются в них разобраться, и это может приводить их к опытам с употреблением наркотиков с психодислептическими (изменяющими сознание) эффектами, к которым и относятся каннабиноиды.

• Появление первых симптомов таких эндогенных психических расстройств, как шизофрения и биполярное аффективное расстройство, часто сопровождается чувством собственной измененности (см. деперсонализация), ощущением надвигающейся угрозы (см. тревога), дезавтоматизацией собственных психических процессов (см. психические автоматизмы). В этот период многие пациенты ищут ответ на вопросы о том, что же с ними происходит? В чем смысл происходящего? В чем смысл жизни? Понять биологически корни этих заболеваний неподготовленному человеку достаточно сложно, зато эзотерические или религиозные учения, могут давать пищу для поиска ответов на подобные вопросы. Этим объясняется частое обращение людей, заболевающих психическими расстройствами, к религии и эзотерике, а также отражение разных элементов этих учений в их переживаниях. К сожалению, плохо то, что некоторые представители данных учений (особенно, члены тоталитарных сект), пользуясь уязвимостью данных пациентов, склонны дополнительно психологически воздействовать на них, внушая им определенные (зачастую радикальные) взгляды с целью сделать их безоговорочными адептами своих учений. Более того, чтобы привлечь пациентов с психическими расстройствами в свои ряды, члены некоторых сект, прикрываясь антипсихиатрическими теориями, внушают пациентам мысль о том, что причина их расстройств на самом деле в том, что психиатры негативно воздействуют на них своими лекарствами, вызывая тем самым психические болезни.

К сожалению, безответственные спекуляции на эту тему (а зачастую листовки подобного содержания активисты этих сект раздают у стен психиатрических стационаров и диспансеров) приводят к тому, что пациенты, находящиеся в болезненном состоянии, и, действительно нуждающиеся в психиатрической помощи, начинают избегать медицинских работников, отказываются от лечения, что может приводить к непоправимому вреду для их здоровья.

МОДУЛЬ 4 – Установление причинно-следственной связи ПППИ

С дополнительной информацией об установлении причинно-следственной связи можно ознакомиться в отчете Глобального консультативного комитета по безопасности вакцин (ГККБВ) «Установление причинно-следственной связи побочных проявлений после иммунизации». В отчете рассматриваются другие условия и меры, которые должны быть применены при установлении причинно-следственной связи в области безопасности вакцин..

Отчет ГККБВ: Установление причинно-следственной связи побочных проявлений после иммунизации

Во многих странах действуют системы ПППИ, и сообщениям о подозреваемых побочных проявлениях уделяется большое внимание. Такие системы были успешны при выявлении тяжелых ПППИ после того, как вакцины были разрешены к использованию. Как правило, есть необходимость в дополнительных исследованиях с целью дальнейшего расследования причинно-следственной связи ПППИ.

Несмотря на то, что наиболее надежный путь определения наличия причинно-следственной связи вакцины с побочным проявлением — это рандомизированное клинические испытание, такие испытания ограничены этапом клинической разработки вакцины. После того, как вакцина лицензирована, возможность проведения контролируемых исследований больше не рассматривается ввиду этических соображений (отказ от вакцинации).

Установление причинно-следственной связи представляет собой систематическую проверку данных о случае ПППИ. Такая оценка определяет вероятность наличия причинно-следственной связи между проявлением и полученной вакциной (вакцинами). Оценка причинно-следственной связи позволяет установить:

имеет ли ПППИ отношение к вакцине или программе вакцинации;
какие шаги, при необходимости, должны быть сделаны для реагирования на данное проявление.

Памятка ВОЗ по установлению причинно-следственной связи служит руководством для систематического, стандартизированного процесса оценки причинно-следственной связи в отношении серьезных побочных проявлений после иммунизации (включая кластеры проявлений).³⁶

Памятка ВОЗ: ПППИ: Установление причинно-следственной связи

Результаты определения причинно-следственной связи помогают повысить среди работников сферы здравоохранения осведомленность о рисках, связанных с вакциной. Все это, вместе со знанием о пользе иммунизации, формирует базу для информирования родителей и /или вакцинируемых о вопросах, касающихся вакцин.

Качество оценки причинно-следственной связи зависит от:

качества отчета о случае ПППИ,
эффективности системы отчетности о ПППИ,
качества процесса контроля причинно-следственной связи.

Установление причинно-следственной связи побочных проявлений с использованием вакцины основывается на пяти принципах. ³⁵

конфликт судебно-экспертной методологии и отечественного уголовного права

З. Б. Соктоев, в свою очередь, считает, что невыполнение лицом

возложенных обязанностей может быть признано причиной лишь при условии

наличия «более или менее высокой» степени вероятности наступления вреда в

результате подобного нарушения52.

Несмотря на вышеприведенную критику, мы согласны с А.Ю. Кошелевой в

ее оценке случайности в уголовном праве – случайность действительно не может

иметь место в каузальном детерминизме. Однако необходимо сделать одно важное

замечание: случайность – это не только описание беспричинного события, но и

ограниченного понимания явления.

Например, если подбросить монетку, то результатом будет либо «орел»,

либо «решка». Детерминизм – частное следствие физических законов и поведение

этой монетки вполне предопределено и результат броска закономерен. Однако

сторонний наблюдатель не имеет возможности осмыслить все факторы, которые

влияют на ее поведение, и, как следствие – повторить этот результат. Это значит,

что связь между броском монетки в качестве причины и ее падением на одну из

сторон не может быть познана в терминах каузального детерминизма, а только

стохастически. Результат броска монеты объективно закономерен, но для нас он –

случаен.

Проблема в том, что и врачи, и эксперты, и правоприменители, точно так же

не способны объективно познать действительность во всей ее полноте, а значит,

вынуждены при оценке обстоятельств дела их «обобщать», пользуясь

упрощенными моделями.

В медицине это в полной мере проявляется в установлении эффективности

лекарственных средств и иных методов лечения.

Если обратится к нормативной базе проведения испытаний новых методов

лечения и диагностики, то выяснится, что новый метод лечения считается

эффективным, если: а) могут быть использованы для применения медицинскими

организациями, б) повышают качество оказания медицинской помощи (снижение

уровня госпитализаций, снижение внутрибольничной летальности, увеличение

длительности ремиссии, сокращение периода временной нетрудоспособности,

снижение степени инвалидизации, снижение риска развития заболеваний,

установление диагноза на ранних стадиях развития заболеваний)53.

Несложно заметить, что из признаков во второй категории абсолютным

показателем является только возможность установления диагноза на более ранних

стадиях, все остальные – относительные, то есть вероятностные.

Современная медицинская наука, при всех прорывах XX и XXI века, не

способна гарантировать ни неизбежность излечения, ни абсолютную верность

51 Дагель П.С. Причинная связь в преступлениях, совершенных по неосторожности // Вопросы борьбы с

преступностью. М., 1981. Вып. 34. С.31-35. 105 с.

52 Соктоев З. Б. К истории вопроса причинности в уголовном праве //Сибирский юридический вестник. –

2000. – №. 3. – С. 45.

53 Приказ Министерства здравоохранения РФ от 10 июля 2015 г. № 433н «Об утверждении Положения об

организации клинической апробации методов профилактики, диагностики, лечения и реабилитации и оказания

медицинской помощи в рамках клинической апробации методов профилактики, диагностики, лечения и

реабилитации (в том числе порядка направления пациентов для оказания такой медицинской помощи), типовой

формы протокола клинической апробации методов профилактики, диагностики, лечения и реабилитации»

Определение причинно-следственных связей и их представление в виде стратегической карты

Одним из основных элементов ССП является определение и документирование причинно-следственных взаимосвязей между отдельными стратегическими целями. Устанавливаемые причинно-следственные связи отражают наличие зависимостей между отдельными целями. При формировании данных зависимостей неявные связи между целями проявляются и становятся понятными менеджерам. А само вырисовывание причинно следственных зависимостей позволяет найти оптимальные пути реализации стратегии. Стратегические цели не являются независимыми и оторванными друг от друга, а наоборот, они тесно друг с другом связаны и влияют друг на друга. Для отражения причинно-следственных цепочек между стратегическими целями Каплан и Нортон используют термин «стратегические карты», а саму разработку причинно-следственной цепочки целей называют одним из самых сложных этапов процесса построения ССП.

При построении причинно-следственной цепочки необходимо учитывать основное правило ее построения, которое состоит в отсутствии необходимости изображения всех возможных связей между целями. Нечитабельное и слишком сложное изображение многочисленных связей теряет свой смысл с точки зрения управляемости. Попытка изобразить все мыслимые причинно-следственные связи означает необходимость построения слишком сложных и неуправляемых матриц. Но данные матрицы не смогут помочь в донесении стратегии сотрудникам, ни при осуществлении процесса управления. Лучшие же результаты будут получены тогда, когда на карте целей будут изображены только стратегически значимые причинно-следственные связи. Тем самым предпринимается попытка повысить информативность, сконцентрировать внимание на ключевых аспектах деятельности и обеспечение прозрачности стратегии.

Например, подразделение повышает уровень своего сервиса, чтобы тем самым достичь цели «повышение привязанности клиентов к компании». Однако от цели «повысить уровень сервиса» исходит только одна стрелочка, так как повышение качества обслуживания сначала способствует повышению удовлетворенности клиентов, а лишь затем – повышению привязанности клиентов к компании.

В процессе формирования причинно следственных цепочек взаимосвязей необходимо понимать, что не существует «правильных» причинно-следственных связей. Как только мы покидаем финансовые цели, то многие причинно-следственные зависимости уже невозможно установить математическим способом. Например, насколько лучший имидж компании приведет к росту доходов. Если мы улучшим имидж в 2 раза — во сколько возрастут доходы? Насколько повышение уровня удовлетворенности сотрудников может повысить готовность клиентов приобретать товары компании?

Все из перечисленных причинно-следственных связей могут быть изучены с помощью корреляции, но лишь некоторые из них научно могут быть обоснованы и измерены количественно. Сами причинно-следственные связи являются индивидуальными для каждой компании и являются инструментом управления, при помощи которого менеджеры могут проверить свои предположения и сделать соответствующие выводы. Предположения же строятся на базе накопленного в компании опыта. Причинно следственные связи в ССП только тогда будут «правильными», когда они стали результатом консенсуса между менеджерами и позволяют построить целостную систему целей компании. Построение причинно-следственных связей между целями помогает менеджерам представить свои сделанные допущения наглядными и проверить наличие корреляции между отдельными целями. Поэтому рассмотренные методы не ставят во главу угла точность, которую, в силу названных причин, достичь просто невозможно.

Важно, чтобы все сотрудники компании обсуждали связи стратегической карты. Чем прочнее конкретная связь, тем в большей мере руководство должно уделять внимание опережающему индикатору. Когда руководители стараются управлять опережающими индикаторами, оно имеет больше шансов повлиять на последующий результат. Управление опережающими индикаторами означает, что они рассматриваются на равне с последующими результатами, если даже важнее. Например, желательно чтобы премирование было привязано в большей степени к опережающим индикаторам, чем к последующим результатам. Точно также в процессе планирования опережающим индикаторам должно уделяться значительное внимание при постановке целей и планировании инвестиций и бюджетов.

Особенно важно проводить «разбор полетов» по индикаторам, которые не достигли своих целей. То есть, необходимо выделять зоны, требующие особого внимания – «центры внимания», на обсуждение которых руководство должно затратить определенное время, чтобы выработать идеи о том, как улучшить ситуацию.

Безусловно, чтобы стать настоящей системой управления Карты показателей должны использоваться в качестве повестки дня ежемесячных собраний для руководства компании. Также к ежемесячному собранию готовятся наиболее важные ключевые индикаторы, которые измеряются на постоянной основе и немедленно сообщаются по всей компании. Например, «своевременная доставка» является важным показателем, результат по которому может постоянно изображаться на внутренних мониторах компании. Желательно также отслеживать графическое представление динамики показателей по подразделению за прошлые года, а также в сравнении с целью, и в сравнении с лучшими подразделениями компании.

Помимо отчетов по достижению показателей в ежемесячном докладе должны содержаться пункты о том, что необходимо предпринять для исправления ситуации. На очередном собрании необходимо оценить, что произошло с момента последнего собрания. Когда установленные задачи выполнены — они вычеркиваются из списка. Список задач должен содержать лишь те пункты, по которым ведется работа. Предложения по улучшению, генерируемые на основе карты показателей, фокусируются на определенной перспективе или на определенном показателе. По каждому предпринятому мероприятию необходимо производить оценку. Это важная характеристика обучающейся компании – учиться на собственном опыте и отражать это в последующей деятельности. Если действие предпринимаются с определенной целью — важно проверить, привели ли они к достижению намеченных результатов.

Взаимосвязи между действиями и результатами, определенные на основе опыта компании очень важны при прогнозировании, но при условии четкого определения целей компании в стратегических картах. Речь идет о взаимосвязях, которые определены с той или иной степенью определенности. Если компания имеет четкое представление о характере взаимосвязи отдельных факторов, то она сможет моделировать будущие процессы.

Документирование причинно-следственных связей между отдельными целями осуществляется, как правило, вместе с их разработкой во время «стратегической сессии». Если их не документировать сразу, то потом бывает очень трудно вспомнить все мысли, которые возникали у участников команды по этому поводу. Также вырисовывание причинно-следственной цепочки предполагает нумерацию целей в зависимости, от какой проекции выписывается причинно-следственная цепочка. В том случае, если цепочка причинно-следственных связей вырисовывается громоздкой и малочитабельной, ее необходимо упростить для легкого понимания каждым сотрудником компании. Для того, чтобы эффективно использовать механизм причинно-следственных связей по донесению информации, нам нужно как графическое изображение данных связей, так и краткое сопроводительное описание данной стратегической карты.
Как нам создать стратегическую карту компании?

Как уже отмечалось, сначала мы должны разработать показатели деятельности, а потом составлять карту причинно-следственных связей.

Предположим, что мы располагаем показателями для каждой из четырех составляющих. Но при разработке карты стратегии может выясниться, что некоторые из выбранных нами показателей не вписываются в описание стратегии. Данные показатели, возможно, понадобятся для Систем показателей нижних уровней, которые будут создаваться при каскадировании. Либо такие показатели могут служить операционными или диагностическими показателями и отслеживаться вне ССП. При составлении карты стратегии, для обеспечения логической последовательности могут потребоваться совершенно новые показатели. В этом заключается истинная ценность процесса составления причинно-следственных связей, так как он заставляет тщательно изучить и подобрать показатели, отражающие точное описание стратегии компании. Правильно составленная ССП должна содержать комплекс основных итоговых показателей (запаздывающих) и факторов деятельности (опережающих индикаторов), приводящих к улучшению результатов по этим параметрам.

Формирование причинно-следственных связей необходимо начинать в каждой из четырех составляющих с запаздывающих индикаторов деятельности. Ориентация этих показателей на результат легко позволяет их объединить в логическую последовательность, начиная с финансовых показателей, переходя к клиентским показателям, после к показателям процессов и в конечном итоге к показателям обучения и развития. После создания логической цепочки запаздывающих показателей во всех четырех составляющих, для каждого из показателей мы будем продумывать опережающие показатели деятельности. Опережающие показатели могут не быть логически связаны со всеми четырьмя составляющими ССП. Это связано с тем, что они являются узкоспециализированными для итоговых показателей. Хотя опережающие показатели (факторы деятельности) могут казаться несвязанными или необъединенными одной темой, при изучении их в контексте всей ССП мы видим, что они являются мощным фактором, приводящим в действие весь механизм ССП.

Например, мы выбрали стратегию предоставления комплексного решения клиентам. Исходя из такой стратегической направленности — компания предлагает клиентам не передовые продукты и не лучшую операционную деятельность, потому, что конкурентным преимуществом является комплексное решение для клиентов. А это, соответственно, потребует глубокого знания потребностей клиентов.
В финансовой составляющей компании, например, необходим рост доходов. Рост доходов не возможен без увеличения количества лояльных к компании клиентов и перекрестных продаж. Соответственно, лояльность клиентов может быть определена в качестве запаздывающего индикатора деятельности. Что будет являться фактором повышения лояльности клиентов? Так как мы избрали в качестве стратегического направления тесную связь с клиентом, а соответственно, для достижения успеха компании необходимо предоставить комплексное решение для клиентов. Для разработки комплексных решений вам необходимо как можно больше знать о трудностях и потребностях клиентов, конкурентную среду. Выполнение этой задачи потребует от компании большего присутствия у клиентов, общения с ними для выявления их потребностей. Поэтому компании необходимо данную цель измерять показателем «количество часов, проведенных с клиентами с целью выявления потребностей и запросов».

Следующим этапом после выбора финансовых и клиентских показателей является выбор показателей для внутренних бизнес-процессов, которые необходимо довести до совершенства, чтобы оправдать ожидания клиентов. В соответствии с предложением покупательной ценностью для клиентов мы можем определить знания потребностей клиентов в качестве основополагающего фактора их лояльности. Соответственно, количество разработанных клиентских решений является запаздывающим индикатором внутренних процессов. Мы понимаем, что сама по себе база клиентских решений не появиться. Если такая база решений должна стать основой лояльности клиентов, то у сотрудников необходимо создать мотивацию ее использовать. Основным фактором, способствующим генерированию клиентских решений, является обучение персонала в тех сферах компетенции, которые позволяют разрабатывать комплексные решения клиентов. Соответственно, запаздывающим индикатором обучения и развития будет «достижение компетентности». Результаты обучения это опережающий показатель обучения и развития.

Таким образом, создается карта стратегии, показывающая комплекс взаимосвязанных показателей по четырем составляющим ССП. Данная карта отражает самое обоснованное предположение о том, что необходимо для реализации своей стратегии. Она также послужит инструментом обеспечения единой направленности действий сотрудников для достижения общих целей компании.
Для того, чтобы максимально использовать информационный потенциал карты стратегии, необходимо описать сопроводительный рассказ, оживляющий карту стратегии в представлении сотрудников.

Источник:
Книга «Внедрение системы сбалансированных показателей: оценка деятельности компании»
Авторы: Немировский И., Старожукова И.
При использовании материалов статьи обязательна ссылка на сайт «Академия развития Лидеров» http://beleader. com.ua

Премия за бесконечность почему – Газета Коммерсантъ № 185 (7147) от 12.10.2021

Приз Шведского королевского банка в области экономических наук, присуждаемый Нобелевским комитетом, в 2021 году разделили три экономиста — Дейвид Кард, Джошуа Ангрист и Гвидо Имбенс, предметом исследований которых были преимущественно рынки труда. Впрочем, скорее, комитет оценил их вклад в разрешение более общей проблемы, универсальной для многих социальных наук: вопроса о способах выявления причинно-следственных связей в наблюдаемых событиях, в случае если невозможны эксперименты в прямом смысле этого термина. В процессе изучения проблемы Кард, Ангрист и Имбенс исследовали провинциальные «Макдоналдсы», безумие Фиделя Кастро, школы юга США, уклонистов от военной службы во Вьетнаме и многое другое, что позволило лишь немного продвинуться вперед.

Самое общее объяснение темы, за которую в 2021 году Дейвид Кард из Университета Калифорнии, Джошуа Ангрист из MIT и Гвидо Имбенс из Стэнфорда получили Нобелевскую премию по экономике, бессмысленно — изучением причинно-следственных связей с использованием наблюдаемых данных (это буквально заголовок «научного» пресс-релиза (. pdf) Нобелевского комитета), строго говоря, занимаются все экономисты, как и все люди ученых занятий. Но и говорить (как это сделано в «народном» пресс-релизе комитета) о том, что нобелиаты сделали важный вклад в изучение рынков труда и образования, тоже упрощение: смысл «Нобеля-2021», в общем, не в этом.

Видимо, наиболее просто будет сказать, что Кард, Ангрист и Имбенс тридцать лет назад своими работами установили новый стандарт того, как экономисты изучают данные «естественных» (natural) экспериментов в экономике — новый дизайн таких исследований стоит премии.

Как и во всех остальных сферах, Нобелевский комитет предпочитает награждать людей, отмечая явления в науке или обществе, а в «коллективных» призах стремится осветить само явление с разных сторон. В Нобелевской премии мира-2021 комитет демонстрировал две стороны расследовательской журналистики в мире: «журналистику отношения» (Дмитрий Муратов) и «журналистику факта» (Мария Ресса).

Устройство «Нобеля» по экономике сложнее. Половина премии досталась Карду, поставившему в ранних 1990-х вопрос о том, что для изучения причинно-следственных связей в микроэкономических исследованиях, основанных на эмпирических данных, нужны особый аппарат и дизайн исследования.

Кард во многом продолжал идеи нобелиата-1989 по экономике Трюгве Хаавельмо, в 1940–1950-х годах активно интегрировавшего в экономику идеи «естественного эксперимента» и методологии теории вероятностей, в частности метод инструментальных переменных. Проблема, которую описал Кард, в приближении выглядит так. Если в значительной части наук возможен истинный эксперимент — со случайной выборкой объектов и контрольной группой, возможностью ограничения влияния иных факторов, кроме исследуемых, то в экономике и ряде других наук, например социологии, это по многим, в том числе этическим, причинам невозможно. Да, жизнь сама по себе поставляет огромное число ситуаций, которые можно воспринимать как «естественный эксперимент», однако точное указание даже направления причинно-следственной связи в обнаруженной корреляции в общественном взаимодействии осложнено множеством других факторов, полноценный учет которых сложен, если принципиально возможен.

В числе «экспериментов» Карда, например, изучение последствий решения диктатора Кубы Фиделя Кастро, позволившего на месяц неконтролируемую (на надувных лодках) эмиграцию 125 тыс. кубинцев в Майами в апреле 1980 года: с новыми подходами изучалось влияние происходящего на рынок труда в США. Другие известные работы Карда посвящены изучению влияния высшего образования на доходы — часто они написаны совместно с Аланом Крюгером, который не дожил до «Нобеля» два года (он также соавторствовал с Ангристом).

Вторая половина премии поделена между Ангристом и Имбенсом, на исследованиях по схожим темам отработавшим и новый подход к анализу квазиэкспериментальных данных, изучение «локального среднего эффекта воздействия» (LATE) и сам дизайн таких исследований. Большинство «продвинутых» способов изучения причинно-следственных связей в эконометрике, таких как RDD- и RKD-регрессии, «различия в различии», метод синтетического контроля (SMD), основаны на теоретических выводах из работ Имбенса и Ангриста. Широко цитируется и работа Карда о причинах неоднозначности повышения минимальной заработной платы в США.

Кард, Ангрист и Имбенс породили тридцатилетнюю волну исследований в эконометрике — и о рынках труда, и об образовании, и о неравенстве пишутся сотни работ в месяц. Отметим, впрочем, что надежды (следы которых есть в релизах Нобелевского комитета) на то, что новые методы широко распространятся в других науках об обществе, пока не слишком сбываются. А утверждать, что нобелиаты указали путь изучения проблемы причинно-следственных связей в сериях сопоставимых экономических данных, который общество восприняло как главный и общепринятый, невозможно — в спорах политиков о МРОТ ссылки даже на Карда не встречаются, и вряд ли Нобелевская премия по экономике 2021 года многое изменит.

Дмитрий Бутрин

Причинно-следственная связь — вопрос права или вопрос факта?

Как известно, основаниями для удовлетворения требования о взыскании убытков является совокупность условий: факт их причинения, документально подтвержденный размер убытков и наличие причинно-следственной связи между понесенными убытками и нарушением.

Для деликтной ответственности чуть иначе, но причинно-следственная связь также необходима.

Чем же является причинно-следственная связь — вопросом права или вопросом факта? Вопрос о наличии либо отсутствии причинно-следственной связи часто ставят на разрешение эксперта. Но вопрос права на разрешение эксперта ставить нельзя.

Значит, вопрос факта. Но так ли это?

Как соотнести «причинно-следственная связь = вопрос факта» с презумпциями в п.5 постановления Пленума Верховного Суда от 24.03.16 № 7? С разрешением вопросов о причинно-следственной связи в инстанциях, следующих за апелляцией? С тем, что Верховный Суд недавно указал «причиненные истцу убытки были связаны с определением сторонами договора купли-продажи по своему усмотрению порядка оплаты квартиры, сама по себе не может служить основанием для отказа в иске, поскольку не свидетельствует об отсутствии вреда, причинной связи между противоправным поведением и наступившим вредом, вины причинителя вреда»?

Или все-таки именно причинно-следственная связь — это вопрос права, а уже «повлияло ли на возникшие убытки событие такое-то по мнению эксперта» — это вопрос факта, который и можно ставить перед экспертом. Аналогично и стороны вправе представлять доказательства причинной связи, но на их основании суд должен лишь промежуточно установить наличие либо отсутствие обстоятельств, которые будут далее использованы судом для разрешения вопроса о наличии причинно-следственной связи.

Обычные примеры — договорные убытки, ДТП. Можно ограничиться заключением эксперта, который прямо укажет «действия лица Х находились в прямой причинной связи с наступившими последствиями» или все-таки вопрос посложнее?!

Нобелевку по экономике дали за выявление причинно-следственных связей :: Экономика :: РБК

Естественные эксперименты

В основе исследований лауреатов лежат естественные эксперименты — ситуации из реальной жизни, напоминающие «рандомизированные контролируемые испытания», которые проводятся в медицине и других естественных науках. До начала 1990-х годов считалось, что экономисты в целом не могут проводить контролируемые эксперименты как физики или биологи. Однако лауреаты изменили это представление, показав, что естественные эксперименты происходят в жизни гораздо чаще, чем кажется. В принципе любая ситуация, когда происходят изменения в экономической политике (например, введение материнского капитала, повышение пенсионного возраста и т.д.) или существует разделение людей на доходные группы, одна из которых платит определенный налог, а другая — нет (например, в России высокооплачиваемые работники платят НДФЛ в 15 вместо 13%), может использоваться экономистами как естественный эксперимент, следует из комментариев Шведской королевской академии наук (.pdf).

В контролируемых естественно-научных экспериментах исследователи могут зафиксировать «прочие равные» условия, чтобы выделить влияние одного фактора. В естественных экспериментах сделать это гораздо сложнее. «За последние лет 30 в экономике произошла революция в эмпирических исследованиях и анализе данных с точки зрения выявления причинно-следственных связей и их отделения от простых корреляций. Это очень важно, например, при оценке государственных программ», — сказал РБК ректор Российской экономической школы Рубен Ениколопов. Получившие Нобелевскую премию экономисты придумали изящные и интуитивно понятные способы, как установить причинно-следственную связь между «вмешательством» властей и изменением какого-либо макроэкономического параметра.

Читайте на РБК Pro

Способы выявления причинно-следственных связей

В работе 1994 года (.pdf) Кард и его покойный коллега Алан Крюгер поставили вопрос о том, как на занятость и безработицу в отрасли общепита повлияло решение властей штата Нью-Джерси в 1992 году поднять минимальную зарплату в штате с $4,25 до $5,05 в час. Новаторство их метода заключалось в том, что они не просто оценили, как изменилась занятость в ресторанах быстрого питания в Нью-Джерси после повышения минимальной зарплаты (на изменение показателя могли повлиять и другие факторы), а посмотрели на занятость в общепите в соседнем штате Пенсильвания, где минимальную зарплату не поднимали. «Иными словами, Нью-Джерси и Пенсильвания похожи, поэтому то, что происходило в Пенсильвании, — хорошая оценка того, что произошло бы в Нью-Джерси, если бы там не была повышена минимальная зарплата», — объясняет экономист американского Университета Джорджа Мэйсона Алекс Табаррок в комментарии по Нобелевской премии этого года.

Чтобы оценить эффект повышения минимальной зарплаты в Нью-Джерси, Кард и Крюгер взяли разницу между показателями занятости в штате до и после этого изменения и вычли из нее разницу между аналогичными показателями в Пенсильвании до и после повышения минимальной зарплаты в Нью-Джерси. Этот метод получил название «разность разностей»: как отмечает Табаррок, сам метод, разумеется, был известен и до работ нобелевских лауреатов, но практически не применялся экономистами того времени.

Авторы пришли к выводу, что более высокая минимальная заработная плата не обязательно ведет к сокращению количества рабочих мест. Кард также использовал другой естественный эксперимент — массовый приток переселенцев из Кубы в США в 1980-х годах — для изучения того, как иммиграция влияет на занятость и зарплаты в принимающей стране. Он показал, что зарплаты в Майами, куда въехали множество кубинцев, не упали и уровень безработицы не увеличился по сравнению с городами, где не было такого притока иммигрантов. Однако впоследствии также выяснилось, что массовая иммиграция негативно сказывается на благосостоянии тех мигрантов, которые приехали в страну раньше.

Если вы возьмете любую современную экономическую статью с анализом эмпирических данных, в 90% случаев там будет либо полевой эксперимент, либо естественный эксперимент по аналогии с теми, за которые присуждена Нобелевская премия», — указывает Ениколопов. В то же время в оценке государственных программ и решений властей в России использование таких методов очень ограничено — в основном потому, что данных для полноценного анализа недостаточно, в том числе из-за недоступности «хороших, качественных» административных данных для исследователя, говорит экономист.

Ректор РЭШ отмечает, что не меньший вклад в науку, чем сегодняшние нобелевские лауреаты, внес американский экономист, специалист в области экономики труда Алан Крюгер, но он ушел из жизни в 2019 году (Нобелевская премия не присуждается посмертно).

От Павлова до Муратова: кто из россиян получал Нобелевскую премию

Общий размер Нобелевской премии в каждой номинации в 2021 году составляет 10 млн шведских крон ($1,145 млн).

Премия Государственного банка Швеции памяти Альфреда Нобеля по экономическим наукам, в отличие от Нобелевской премии по литературе, физике, химии, медицине и премии мира, была учреждена не самим ученым, а в память о нем в 1969 году. Ее присуждает Шведская королевская академия наук.

В прошлом году Нобелевскую премию по экономике получили американцы Пол Милгром и Роберт Уилсон за «усовершенствование теории аукционов и изобретение новых форматов аукционов». За всю историю вручения Нобелевских премий по экономике (с 1969 года) исследования по теории аукционов и дизайну экономических механизмов уже отмечались: в 1996 году лауреатом стал Уильям Викри, в 2007 году — Леонид Гурвич, Роджер Майерсон и Эрик Маскин, а в 2012 году — Элвин Рот (все они американцы).

В нынешнем году Нобелевская неделя началась 4 октября, в понедельник. Уже были объявлены лауреаты премии по физиологии и медицине, химии, литературе, физике.

UK стартап Causal собирает 4,2 миллиона долларов, чтобы убить Excel с помощью лучшего приложения для обработки чисел — TechCrunch

Excel и Google Таблицы могут только ограниченно решать чисто «вычислительную обработку». Новый британский стартап Causal надеется решить эту проблему и собрал посевной раунд на 4,2 миллиона долларов во главе с Accel. Существующие инвесторы Coatue, Passion Capital, Verissimo Ventures, Naval Ravikant, Varadh Jain и другие также приняли участие. В результате повышения общий объем финансирования Causal составляет 5,5 миллионов долларов, которые компания будет использовать для увеличения команды инженеров и запуска Product Hunt в следующем месяце.

Несмотря на то, что электронные таблицы имеют решающее значение для нормальных бизнес-операций, существует множество вариантов использования для отделов продаж, финансовых отделов и т. Д., И все они очень разные. Причинно-следственная компания надеется решить эти проблемы с помощью совместного подхода, основанного на данных.

Основанная в 2019 году Таймуром Абдаалом и Лукасом Кёбисом, Causal «стремится заменить Excel», начав с основы электронных таблиц: формул ». Причинно-следственные связи говорят, что их формулы «читаются как простой английский», например «Прибыль = Выручка — Затраты», а также утверждает, что обычно требуется «в 100 раз меньше формул» в Каузальном, чтобы построить точно такую же модель в Excel.

«Бизнес-планирование и прогнозирование должны вовлекать каждую команду в компании, но сложность таблиц означает, что они часто разделены на финансовые вопросы», — сказал Таймур Абдаал, генеральный директор и соучредитель в своем заявлении. «Мы хотим демократизировать этот процесс, создав по-настоящему горизонтальный продукт, который может использовать каждый специалист, и мы очень рады, что Accel присоединится к нам на следующем этапе нашего пути».

Во время телефонного разговора Абдаал сказал мне: «Мы начали действительно потому, что увидели, насколько сложно на самом деле работать с числами и таблицами.У вас есть эти эзотерические формулы, которые действительно трудно понять, поэтому примерно в 80% электронных таблиц есть ошибки. Электронные таблицы также действительно не связаны с другими инструментами, которые используют компании. Финансовые команды обычно проводят дни, когда все вручную извлекают данные из систем бухгалтерского учета. Итак, вот некоторые из проблем, которые мы пытаемся решить. Сейчас мы довольно небольшая команда из пяти человек, в основном инженеров, и мы действительно сосредоточены на создании очень горизонтального продукта, который каждая команда в компании может использовать для обработки чисел.В качестве начального вложения это действительно очень приятно, потому что позволяет нам удвоить часть достигнутой нами тяги «.

«Многие из нас испытали боль, связанную с созданием и управлением большими таблицами между командами и источниками данных из первых рук», — добавил Сет Пьерпон, партнер Accel. «Таймур и Лукас — талантливые основатели, ориентированные на продукты, которые взяли интуитивно понятный интерфейс в стиле Excel, с которым все мы знакомы, и наделили его интеграцией данных, функциями совместной работы и высококачественной визуализацией.Помимо этого, они использовали свои знания в области науки о данных и математики, чтобы предлагать сложные модели прямо из коробки, давая всем пользователям возможность использовать гораздо более мощные возможности прогнозирования ».

Crunchbase Профиль компании и финансирование

Причинно-следственная связь — Профиль компании Crunchbase и финансирование

Инструмент моделирования на основе браузера.

Найти больше контактов для Causal

Соучредитель, основатель

Исполнительный директор Операции

Просмотрите контакты для причинно-следственных связей, чтобы получить доступ к новым потенциальным клиентам и связаться с лицами, принимающими решения.

Просмотреть все контакты

Отрасли промышленности
Дата основания апрель 2019
Основатели Лукас Кёбис, Таймур Абдаал
Рабочий статус Активен
Последний тип финансирования Исходное значение

Причинно-следственная связь позволяет легко создавать финансовые модели и делиться ими с помощью интерактивных визуальных панелей мониторинга это все поймут.

В Causal вы строите свои модели из переменных, которые затем можете связать вместе в простые простые английские формулы. Это делает ваши модели простыми для понимания и быстрого построения, так что вы можете потратить минуты, а не дни,

на свои модели.

Когда вы закончите, вы можете поделиться ссылкой на свою модель с заинтересованными сторонами. Они смогут просматривать выходные данные вашей модели на визуальной панели управления, а не в нагромождении вкладок и сложных формул.

Причинно-следственная связь упрощает включение передовых методов моделирования, таких как анализ сценариев, анализ чувствительности и неопределенности, во входные данные.

Вы также можете интегрировать все ваши наиболее важные источники данных, от программного обеспечения для работы с электронными таблицами, такого как Sheets и Excel, до бухгалтерских платформ, таких как Xero и Quickbooks.

Подробнее

Выберите подходящее решение Crunchbase

Расположение штаб-квартиры

Количество сотрудников

Тип последнего финансирования

Статус IPO

Веб-сайт

Рейтинг CB (Компания)

Общая сумма, полученная во всех раундах финансирования

Общее количество связанных контактов Crunchbase с этой организацией

Общее количество профилей сотрудников организации в Crunchbase

Общее количество инвестиционных фирм и индивидуальных инвесторов

Premium Feature

Описательное ключевое слово для организации (например,грамм. SaaS, Android, облачные вычисления, медицинское устройство)

Дата основания организации

Учредители организации

Операционный статус организации напр. Активный, закрытый

Тип последнего раунда финансирования (например, посевной, серия A, частный капитал)

Независимо от того, является ли организация коммерческой или некоммерческой

Причинно-следственная связь — обзор

4.8 Взаимосвязи: косвенные и причинно-следственные

Я отметил Кроме того, поиск и объяснение интересных отношений — это часть того, что мы делаем в исследованиях HCI.Часто контролируемый эксперимент разрабатывается и проводится специально для этой цели, и, если он будет проведен должным образом, можно сделать вывод определенного типа. Мы часто можем сказать, что условие, которым манипулируют в эксперименте , вызвало изменений в реакциях человека, которые наблюдались и измерялись. Это причинно-следственная связь , или просто причинно-следственная связь , .

В HCI управляемая переменная часто является атрибутом номинального масштаба интерфейса, например устройством, методом ввода, модальностью обратной связи, техникой выбора, глубиной меню, расположением кнопок и т. Д.Измеряемая переменная, как правило, представляет собой поведение человека в масштабе отношений, такое как время выполнения задачи, частота ошибок или количество нажатий кнопок, события прокрутки, сдвиги взгляда и т. Д.

Обнаружение причинно-следственной связи в эксперименте с HCI дает убедительный вывод . Если измеренная реакция человека имеет жизненно важное значение для HCI, например, время, необходимое для выполнения общей задачи, то знание того, что условие, проверенное в эксперименте, сокращает это время, является ценным результатом. Если условие — это реализация новой идеи и ее сравнивали с нынешней практикой, действительно может быть повод для радости.Была обнаружена не только причинно-следственная связь, но и новая идея улучшила существующую практику. Это результат, который добавляет к дисциплине ценные знания; это продвигает вперед современные достижения. ⁹ В этом суть исследования HCI!

Обнаружение взаимосвязи не обязательно означает наличие причинно-следственной связи. Многие отношения косвенные . Они существуют, и их можно наблюдать, измерять и количественно оценивать. Но они не причинны, и любая попытка выразить отношения как таковые неверна.Классический пример — взаимосвязь между курением и раком. Предположим, что в ходе научного исследования отслеживаются привычки и здоровье большого количества людей на протяжении многих лет. Это пример корреляционного метода исследования, упомянутого ранее. В конце концов, между курением и раком обнаруживается связь: рак чаще встречается у курильщиков. Правильно ли заключить из исследования, что курение вызывает рак ? Нет. Наблюдаемая связь косвенная, а не причинная.Подумайте об этом: при более внимательном изучении данных обнаруживается, что тенденция к развитию рака также связана с другими переменными в наборе данных. Похоже, что люди, у которых развился рак, также были склонны пить больше алкоголя, есть больше жирной пищи, меньше спать, слушать рок-музыку и так далее. Возможно, причиной рака было повышенное употребление алкоголя, или употребление жирной пищи, или что-то еще. Отношения косвенные, а не причинные. Это не означает, что косвенные отношения бесполезны.Поиск и обнаружение косвенных отношений часто является первым шагом в дальнейших исследованиях, отчасти потому, что собирать данные и искать косвенные отношения относительно легко.

Причинно-следственные связи возникают в результате контролируемых экспериментов. Поиск причинно-следственной связи требует исследования, в котором, помимо прочего, участники выбираются случайным образом из совокупности и случайным образом распределяются по условиям тестирования. Случайное распределение гарантирует, что каждая группа участников одинакова или похожа во всех отношениях, за исключением условий, при которых каждая группа тестируется.Таким образом, возникающие различия более вероятны из-за (, вызванного ) условий испытаний, чем из-за условий окружающей среды или других обстоятельств. Иногда участники распределяются по группам, где участники каждой группы отбираются таким образом, чтобы группы были равны по другим значимым характеристикам. Например, эксперимент по тестированию двух контроллеров ввода для игр может случайным образом распределить участников по группам или сбалансировать группы, чтобы гарантировать примерно равный диапазон игрового опыта.

Вот пример HCI, похожий на пример курения и рака. Исследователя интересует сравнение многократного нажатия и прогнозирующего ввода ( T9 ) для ввода текста на мобильном телефоне. Исследователь отправляется в мир и подходит к пользователям мобильных телефонов, требуя у них пять минут их времени. Многие согласны. Они отвечают на несколько вопросов об опыте и привычках использования, включая предпочитаемый способ ввода текстовых сообщений. Найдено 15 пользователей multi-tap и 15 T9 пользователей.Пользователей просят ввести заданную фразу текста, пока они рассчитаны. Вернувшись в лабораторию, данные анализируются. Очевидно, пользователи T9 были быстрее, вводя со скоростью 18 слов в минуту, по сравнению с 12 словами в минуту для пользователей с несколькими нажатиями. Это на 50 процентов быстрее для пользователей T9 ! Какой вывод? Существует взаимосвязь между методом ввода и скоростью ввода текста; однако связь носит косвенный, а не причинный характер. Разумно сообщить, что было сделано и что было обнаружено, но неправильно выходить за рамки того, что дает методология.Вывод из этого простого исследования, что T9 быстрее, чем multi-tap, был бы неправильным. При более внимательном изучении данных было обнаружено, что пользователи T9 , как правило, были более технически подкованными: они сообщили о значительно большем опыте использования мобильных телефонов, а также сообщили, что отправляли значительно больше текстовых сообщений в день, чем пользователи с несколькими нажатиями, которые По большому счету, они сказали, что не любят отправлять текстовые сообщения и делают это очень редко. ¹⁰ Таким образом, наблюдаемая разница может быть связана с предыдущим опытом и привычками использования, а не с внутренними различиями в методах ввода текста.Если есть искренний интерес в определении того, быстрее ли один метод ввода текста, чем другой, требуется контролируемый эксперимент. Это тема следующей главы.

Еще один последний момент заслуживает упоминания. Выводы о причине и следствии невозможны в определенных типах контролируемых экспериментов. Если управляемая переменная — это естественный атрибут участников, то выводы о причине и следствии ненадежны. Примеры естественных атрибутов включают пол (женский, мужской), личность (экстраверт, интроверт), ручность (левая, правая), родной язык (напр.г., английский, французский, испанский), политическая точка зрения (слева, справа) и т. д. Эти атрибуты являются допустимыми независимыми переменными, но ими нельзя манипулировать, то есть их нельзя назначать участникам. В таких случаях вывод о причине и следствии недействителен, потому что невозможно избежать искажающих переменных (определенных в главе 5). Мужчина, экстраверт, левша и т. Д. Всегда порождают другие атрибуты, которые систематически меняются в зависимости от уровня независимой переменной.Выводы о причине и следствии в этих случаях ненадежны, потому что невозможно узнать, был ли экспериментальный эффект обусловлен независимой переменной или смешивающей переменной.

Оцените разницу для вашего продукта

Корреляция и причинно-следственная связь могут показаться обманчиво похожими. Но признание их различий может быть решающим фактором между потерей усилий на малоценные функции и созданием продукта, которым ваши клиенты не могут перестать восторгаться.

В этой статье мы сосредоточимся на корреляции и причинно-следственной связи, поскольку они относятся конкретно к созданию цифровых продуктов и пониманию поведения пользователей.Менеджеры по продуктам, специалисты по обработке данных и аналитики сочтут это полезным для использования правильной информации для роста продукта, например, влияют ли определенные функции на удержание или вовлеченность пользователей.

Прочитав эту статью, вы будете:

Знать ключевые различия между корреляцией и причинно-следственной связью
Ключевые различия между корреляцией и причинно-следственной связью
Два надежных решения, которые ваша команда может использовать для проверки причинно-следственной связи

В чем разница между корреляцией и причинно-следственной связью?

Хотя причинно-следственная связь и корреляция могут существовать одновременно, корреляция не подразумевает причинной связи.Причинная связь явно применяется к случаям, когда действие A приводит к результату B. С другой стороны, корреляция — это просто связь. Действие A относится к действию B, но одно событие не обязательно вызывает другое событие.

Корреляцию и причинно-следственную связь часто путают, потому что человеческий разум любит находить закономерности, даже если они не существуют. Мы часто придумываем эти паттерны, когда две переменные кажутся настолько тесно связанными, что одна зависит от другой. Это будет означать причинно-следственную связь, когда зависимое событие является результатом независимого события.

Однако мы не можем просто предположить причинно-следственную связь, даже если видим два события, происходящие, по-видимому, вместе на наших глазах. Во-первых, наши наблюдения носят чисто анекдотический характер. Во-вторых, существует множество других возможностей для ассоциации, в том числе:

Верно и обратное: B на самом деле вызывает A.
Эти две взаимосвязаны, но это еще не все: A и B взаимосвязаны, но на самом деле они вызваны C.
Есть еще одна переменная: A действительно вызывает B — пока происходит D.
Существует цепная реакция: A вызывает E, что приводит к тому, что E вызывает B (но вы только своими глазами видели, что A вызывает B).

Пример корреляции и причинно-следственной связи в аналитике продукта

Вы можете ожидать, что обнаружите причинно-следственную связь в своем продукте, где определенные действия или поведение пользователя приводят к определенному результату.

Представьте себе: вы только что запустили новую версию своего мобильного приложения. Вы делаете ключевую ставку на то, что удержание пользователей вашего продукта связано с социальным поведением в приложении.Вы просите свою команду разработать новую функцию, которая позволит пользователям присоединяться к «сообществам».

Через месяц после того, как вы выпустите и объявите о своей новой функции сообществ, около 20% всех пользователей приняли ее. Интересно, влияют ли сообщества на удержание, вы создаете две когорты одинакового размера со случайно выбранными пользователями. В одной когорте есть только пользователи, присоединившиеся к сообществам, а в другой — только пользователи, которые не присоединились к сообществам.

Ваш анализ показывает шокирующий вывод: пользователи, которые присоединились хотя бы к одному сообществу, удерживаются гораздо чаще, чем средний пользователь.

Почти 90% тех, кто присоединился к сообществам, все еще находятся в Дне 1 по сравнению с 50% тех, кто этого не сделал. К 7 дню вы увидите 60% -ное удержание среди присоединившихся к сообществу и около 18% удержания среди тех, кто не присоединился. Это похоже на массовый переворот.

Источник

Но подождите. Вы знаете, что у вас недостаточно информации, чтобы сделать вывод о том, приводит ли присоединение к сообществам к лучшему удержанию. Все, что вы знаете, это то, что они взаимосвязаны.

ПРОГРАММА УДЕРЖАНИЯ

Чтобы развивать свой продукт, вам нужна надежная стратегия удержания.

Прочтите наше руководство, чтобы получить советы экспертов по инструментам, стратегиям и реальным примерам для повышения удержания пользователей.

📚 Загрузить учебное пособие >>

Как проверить наличие причинно-следственной связи в вашем продукте

Причинно-следственные связи не возникают случайно.

Может возникнуть соблазн связать две переменные как «причину и следствие». Но если сделать это без подтверждения причинно-следственной связи в надежном анализе, это может привести к ложноположительному результату, когда причинно-следственная связь, кажется, существует, но на самом деле ее нет.Это может произойти, если вы не тщательно проверяете взаимосвязь между зависимой и независимой переменной.

Ложные срабатывания проблематичны для получения информации о продукте, потому что они могут ввести вас в заблуждение, заставив думать, что вы понимаете связь между важными результатами и поведением пользователей. Например, вы можете подумать, что знаете, какое конкретное событие активации ключа приводит к долгосрочному удержанию пользователей, но без тщательного тестирования вы рискуете принять важные решения о продукте на основе неправильного поведения пользователя.

Проведите надежные эксперименты для определения причинно-следственной связи

Как только вы найдете корреляцию, вы можете проверить ее, запустив эксперименты, которые «контролируют другие переменные и измеряют разницу».

Два таких эксперимента или анализа, которые вы можете использовать для выявления причинно-следственной связи с вашим продуктом:

Проверка гипотез
A / B / n эксперименты

1. Проверка гипотез

Самая основная проверка гипотез включает в себя: H0 (нулевая гипотеза) и h2 (ваша основная гипотеза) .Вы также можете иметь вторичную гипотезу, третичную гипотезу и так далее.

Нулевая гипотеза противоположна вашей первичной гипотезе . Почему? Потому что, хотя вы не можете доказать свою основную гипотезу со 100% уверенностью (самое близкое, что вы можете получить, составляет 99%), вы можете опровергнуть свою нулевую гипотезу.

Первичная гипотеза указывает на причинно-следственную связь, которую вы исследуете, и должна идентифицировать независимую переменную и зависимую переменную.

Лучше сначала создать свой h2, затем определить его противоположность и использовать его для H0. Ваш h2 должен определять отношения, которые вы ожидаете между независимыми и зависимыми переменными. Итак, если мы воспользуемся предыдущим примером влияния социальных функций в приложении на удержание, ваша независимая переменная будет присоединяться к сообществам, а ваша зависимая переменная — удержанию. Итак, ваши гипотезы могут быть такими:

h2: Если пользователь присоединится к сообществу в рамках нашего продукта в первый месяц, он останется клиентом более одного года.

Затем отвергните h2, чтобы сгенерировать нулевую гипотезу:

H0: нет никакой связи между присоединением к сообществу внутри приложения и удержанием пользователей.

Цель состоит в том, чтобы увидеть любые фактические различия между вашими различными гипотезами. Если вы можете отклонить нулевую гипотезу со статистической значимостью (в идеале с достоверностью минимум 95%), вы ближе к пониманию взаимосвязи между вашими независимыми и зависимыми переменными.В приведенном выше примере, если вы можете отклонить нулевую гипотезу, обнаружив, что присоединение к сообществу привело к более высоким показателям удержания (с поправкой на смешанные переменные, которые могут повлиять на ваши результаты), то вы, вероятно, можете сделать вывод, что существует некоторая связь между сообществами и пользователем. удержание.

Чтобы проверить эту гипотезу, составьте уравнение, которое точно отражает взаимосвязь между ожидаемой причиной (независимая переменная) и следствием (переменная результата). Если ваша модель позволяет вам подставлять значение для вашей переменной воздействия и последовательно возвращать результат, который отражает фактические наблюдаемые данные, вы, вероятно, на чем-то натолкнулись.

Когда использовать проверку гипотез:

Проверка гипотез полезна, когда вы пытаетесь определить, действительно ли существует связь между двумя переменными, вместо того, чтобы смотреть на неофициальные данные. Возможно, вам захочется посмотреть на исторические данные, чтобы запустить продольный анализ , который отслеживает изменения во времени. Например, вы можете выяснить, являются ли первые участники запуска продукта вашими крупнейшими промоутерами. Вы можете посмотреть на шаблоны рефералов, а также сравнить эту связь с запуском продукта с течением времени.

Или вы можете запустить перекрестный анализ , который анализирует моментальный снимок данных. Это полезно, когда вы смотрите на эффекты конкретного воздействия и результата, а не на изменения в тенденциях за период. В качестве примера вы можете изучить взаимосвязь между праздничными рекламными акциями и продажами.

2. Эксперименты A / B / n

В качестве альтернативы, тестирование A / B / n может привести вас от корреляции к причинно-следственной связи. Посмотрите на каждую из ваших переменных, измените одну и посмотрите, что произойдет.Если ваш результат постоянно меняется (с той же тенденцией), вы нашли переменную, которая имеет значение.

Эндрю Чен говорит об этом так: «После того, как вы нашли модель, которая вам подходит, следующим шагом будет ее A / B-тестирование. Сделайте что-нибудь, что отдает приоритет входной переменной и увеличивает ее, возможно, за счет чего-то еще ». Он продолжает: «Посмотрим, станут ли в результате эти пользователи более успешными. Если вы видите большую разницу в своей метрике успеха, значит, вы на правильном пути.Если нет, то, может быть, это не очень удачная модель ».

Когда дело доходит до доказательства того, что присоединение к сообществам приводит к более высокому уровню удержания, вы должны исключить все другие переменные, которые могут повлиять на результат. Например, пользователи могли пойти другим путем, что в конечном итоге повлияло на удержание.

Чтобы проверить, существует ли причинно-следственная связь, вам нужно найти прямую связь между присоединением пользователей к сообществам и долгосрочным использованием вашего приложения.

Начните с процесса адаптации.Для следующих 1000 пользователей, которые зарегистрируются, разделите их на две группы. Половина будет вынуждена присоединиться к сообществам при первой регистрации, а другая половина — нет.

Запустите эксперимент в течение 30 дней, а затем сравните уровни удерживания между двумя группами.

Если вы обнаружите, что группа, которая была вынуждена присоединиться к сообществам, имеет относительно более высокий уровень удержания, тогда у вас есть доказательства, необходимые для подтверждения наличия причинно-следственной связи между присоединением к сообществам и удержанием.Эти отношения, вероятно, стоит изучить глубже, чтобы понять, почему сообщества стимулируют удержание.

Вы не будете уверены в родстве, пока не проведете эксперименты такого типа.

Когда использовать A / B / n-тестирование:

A / B / n, или сплит-тестирование, идеально подходит, когда вы сравниваете влияние различных вариантов (это может быть кампания, функция продукта или контент). стратегия). Например, сплит-тест процесса адаптации вашего продукта может сравнить эффективность различных стратегий на основе определенных характеристик, в том числе:

Варианты копирования
Различная графика
Использование стороннего приложения для автоматического распознавания имени и компании ваши пользователи
Уменьшение количества полей в вашей форме регистрации, если у вас есть одно

После запуска нескольких вариантов адаптации продукта вы можете взглянуть на результаты, чтобы сравнить такие показатели, как процент отказов, конверсия и т. д. и даже удержание.

Действуйте в соответствии с правильными корреляциями для устойчивого роста продукта

Мы всегда ищем закономерности вокруг нас, поэтому наша цель по умолчанию — уметь объяснить то, что мы видим. Однако, если причинно-следственная связь не может быть четко определена, следует предположить, что мы наблюдаем только корреляцию.

События, которые кажутся взаимосвязанными на основе здравого смысла, нельзя рассматривать как причинные, если вы не можете доказать четкую и прямую связь. И хотя причинная связь и корреляция могут существовать одновременно, корреляция не означает причинную связь.

Чем больше вы научитесь определять истинные корреляции в своем продукте, тем лучше вы сможете расставить приоритеты в своих усилиях по вовлечению и удержанию пользователей.

Границы | Иллюзии причинно-следственной связи: как они искажают наше повседневное мышление и как их можно уменьшить

Введение

В современном мире растет тенденция доверять личным убеждениям, суевериям и псевдонауке больше, чем научным свидетельствам (Lewandowsky et al., 2012; Шмальц и Лилиенфельд, 2014; Ахенбах, 2015; Кэрролл, 2015; Хаберман, 2015). Суеверное, магическое и псевдонаучное мышление относится к необоснованным убеждениям, которые не подтверждаются текущими данными (Lindeman and Svedholm, 2012). Многие из них связаны с причинными иллюзиями, которые представляют собой восприятие причинной связи между событиями, которые на самом деле не связаны. Примеры причинных иллюзий можно легко найти во многих важных областях повседневной жизни, включая экономику, образование, политику и здоровье.Действительно, причинные иллюзии и связанные с ними когнитивные предубеждения, такие как самоуверенность, иллюзия контроля и иллюзорные корреляции, были предложены в качестве основы финансовых пузырей (например, Malmendier and Tate, 2005), социальных стереотипов (Hamilton and Gifford, 1976; Crocker, 1981; Murphy et al., 2011), враждебное поведение при вождении (Stephens and Ohtsuka, 2014), социальная нетерпимость и война (Johnson, 2004; Lilienfeld et al., 2009), а также проблемы общественного здравоохранения, такие как возросшая популярность альтернативных и дополнительная медицина (Matute et al., 2011; Blanco et al., 2014).

Например, многие отчеты показали, что гомеопатия не оказывает никакого причинного воздействия на здоровье пациента, кроме эффекта плацебо (Shang et al., 2005; Singh and Ernst, 2008; Ernst, 2015; National Health and Medical Research Council, 2015). Даже в этом случае 34% европейцев считают, что гомеопатия эффективна (Европейская комиссия, 2005). Иллюзия причинности в данном случае возникает из очень простой интуиции, основанной на совпадениях: «Я принимаю таблетку. Я чувствую себя лучше.Следовательно, это работает ». Многие люди в современном мире пришли к убеждению, что альтернативная медицина эффективна и что многие методы, не подтвержденные доказательствами, надежны просто потому, что, как они выражаются, «они работают на них». То есть они чувствуют себя , как если бы выздоровление было вызвано лечением (Lilienfeld et al., 2014). Некоторые люди идут еще дальше и предпочитают альтернативную медицину научной медицине. Такое отношение вызывает серьезные проблемы для многих людей, иногда даже смерть (Freckelton, 2012).

Несмотря на усилия правительств и скептических организаций по продвижению общества, основанного на знаниях, эффективность таких кампаний в лучшем случае была ограниченной (Schwarz et al., 2007; Nyhan and Reifler, 2015). Двое из пяти европейцев суеверны (European Commission, 2010), и более 35% американцев верят в дома с привидениями или экстрасенсы (Moore, 2005). Суеверное и псевдонаучное мышление, похоже, усиливается в некоторых европейских странах (но не меняется в других; см. European Commission, 2010).Этот тип мышления часто руководит решениями в отношении здоровья, финансов и семьи, которые должны основываться на противоположных знаниях и эмпирических данных. В Великобритании Комитет по науке и технологиям Палаты общин (2010) пожаловался в недавнем отчете на то, что, хотя правительство Великобритании признает, что «нет достоверных доказательств эффективности гомеопатии» (стр. 42), правительство Великобритании по-прежнему финансирование гомеопатии и предоставление лицензий, разрешающих розничную продажу в аптеках, так что «правительство рискует одобрить гомеопатию как эффективную систему медицины» (стр.42). Похожая ситуация наблюдается в большинстве стран. В Австралии Национальный совет по здравоохранению и медицинским исследованиям (2015) недавно опубликовал исчерпывающий отчет, в котором предупреждает людей, что «не существует состояний здоровья, при которых есть надежные доказательства эффективности гомеопатии» (стр. 6). В этом отчете делается еще один шаг вперед и делается попытка не только предоставить доказательства, но, что важно, обучить людей тому, почему личные убеждения и опыт не являются надежным источником знаний и почему при оценке причинно-следственной связи всегда следует использовать научные методы.

В век Интернета, когда и наука, и лженаука находятся на расстоянии одного клика, многие люди больше не знают, чему верить. Похоже, что неприятие науки растет во всем мире (Achenbach, 2015), и становится все труднее искоренять мифы, когда они начинают распространяться (Lewandowsky et al., 2012; Schmaltz and Lilienfeld, 2014). Есть много возможных причин, по которым люди отвергают науку. Поиск основанных на фактах стратегий противодействия им должен стать приоритетом, если мы стремимся создать эффективные общественные кампании и политику, которые могут изменить научное образование (Schwarz et al., 2007; Gough et al., 2011). Как отмечают Блум и Вайсберг (2007), сопротивление науке становится особенно сильным в обществах, где псевдонаучные взгляды передаются заслуживающими доверия людьми. К сожалению, ученые не всегда считаются наиболее надежным источником в обществе, потому что люди часто больше доверяют друзьям и семье (Eiser et al., 2009). Прекрасным примером является кризис против вакцинации в 2015 году и тот факт, что в основном богатые и хорошо образованные родители решают не вакцинировать своих детей, несмотря на научные и правительственные предупреждения (Carroll, 2015).

Одна из основных трудностей заключается в том, что демонстрации людям фактов недостаточно для искоренения ложных убеждений (например, Yarritu and Matute, 2015). Иногда это может даже иметь противоположный эффект усиления мифа (Lewandowsky et al., 2012; Nyhan and Reifler, 2015). Более того, обучения научным методам тоже кажется недостаточно (Willingham, 2007; Schmaltz and Lilienfeld, 2014), поскольку многие наивные предубеждения могут сохраниться даже после продолжительной научной подготовки (Shtulman and Valcarcel, 2012).Однако обучение научному мышлению и использованию научных методов должно, по крайней мере, обеспечить важную защиту от когнитивных искажений (Lilienfeld et al., 2012; Barberia et al., 2013). В самом деле, мы полагаем, что научные методы представляют собой наилучший инструмент, если не единственный, который был разработан для противодействия иллюзии причинности, которая лежит в основе многих из этих проблем. Но научное мышление и научные методы не интуитивно понятны, и их нужно обучать и практиковать.Лучшее понимание того, как работает иллюзия причинности, должно пролить свет на то, как улучшить обучение научному мышлению и сделать его более эффективным в уменьшении иллюзий. В этой статье мы рассмотрим эксперименты, которые наша группа провела над иллюзией причинности, и обсудим, как это исследование может помочь в обучении научному мышлению.

Иллюзии причинности, случайности и научных методов

Подобно тому, как существуют оптические иллюзии, которые заставляют людей видеть вещи больше, чем они есть, или имеющие разные формы или цвета, есть иллюзии причинности, которые заставляют людей воспринимать, что одно событие вызывает другое, когда между ними есть просто совпадение.Действительно, точно так же, как люди не могут точно оценить размер или вес без использования специально разработанных инструментов (таких как измерительные ленты или весы), они также не готовы оценивать причинно-следственную связь без инструментов. Научные методы, особенно экспериментальный подход, — это внешние инструменты, разработанные обществом для оценки причинности.

Можно утверждать, что люди часто интуитивно определяют размер, цвет или вес, и это правда, что они часто могут делать это относительно хорошо даже при отсутствии какой-либо внешней помощи.Однако все мы знаем, что люди совершают ошибки. Столкнувшись с важной или критической жизненной ситуацией, такой как покупка дома или решение, где посадить самолет, большинство людей не будут доверять своей интуиции, а будут полагаться на внешние средства, такие как измерительные ленты или глобальную систему позиционирования (GPS). По тем же соображениям, пытаясь интуитивно оценить причинно-следственную связь, люди часто могут быть относительно точными, что продемонстрировано во многих экспериментах (например, Ward and Jenkins, 1965; Peterson, 1980; Shanks and Dickinson, 1987; Allan, 1993; Wasserman et al. ., 1993). Однако в то же время в бесчисленных экспериментах было показано, что при определенных хорошо известных условиях люди могут совершать вопиющие ошибки, оценивая причинно-следственные связи невооруженным глазом (Alloy and Abramson, 1979; Allan and Jenkins, 1983; Lagnado. and Sloman, 2006; Msetfi et al., 2007; Hannah, Beneteau, 2009; Blanco et al., 2014). Даже ученые, которые привыкли мыслить критически и применять строгие методологии в своей работе, иногда обнаруживают, что в их повседневной жизни развиваются суеверия (Wiseman and Watt, 2006; Hutson, 2015) и они забывают, что причинно-следственная связь не может быть точно оценена на основе быстрая интуиция (Kelemen et al., 2013; Фуа и Тан, 2013).

Примеры интуитивной оценки причинно-следственной связи (иногда правильной, иногда необъективной) легко найти в повседневной жизни. Компания могла инициировать новую программу обучения, привлечь больше клиентов и предположить, что новая программа была эффективной. Нося амулет на удачу и играя в фантастическую игру, нельзя не почувствовать, что амулет сыграл решающую роль в победе. Эта тенденция к обнаружению причинно-следственных связей настолько сильна, что люди делают выводы о них, даже если они рационально убеждены в том, что причинный механизм, который сделал бы эти отношения правдоподобными, не существует.Другой пример: ваша любимая спортивная команда может проиграть игру, когда вы на мгновение пойдете на кухню. Несмотря на то, что вы знаете, что между вашим поведением и результатом игры не существует причинно-следственной связи, трудно избежать ощущения, что вы несете какую-то ответственность за этот провал (Пронин и др., 2006).

Чтобы противодействовать иллюзии причинности, важно понимать, что иллюзия не является вопросом интеллекта или личности (Wiseman and Watt, 2006). Иллюзии причинности могут возникнуть у кого угодно, как и визуальные иллюзии.Они возникают из-за того, как эволюционировал человеческий разум: он извлекает причинность из совпадений. Таким образом, противодействие иллюзии заключается в умении использовать правильные инструменты и знании того, когда и как их использовать. Мы не можем придумать лучшей защиты от иллюзий причинности, чем научное мышление, которое включает скептицизм, сомнения и строгое применение научных методов, особенно экспериментального подхода.

Основная идея исследования причинных суждений заключается в том, что людям часто необходимо сделать вывод о том, является ли связь причинной, путем наблюдения за неоднозначными случаями и неполными доказательствами.В простейших ситуациях обучения причинно-следственной связи есть два события — потенциальная причина и результат, — которые можно многократно объединять в пары в серии испытаний. Четыре различных типа испытаний могут быть результатом возможных комбинаций присутствия или отсутствия этих двух бинарных событий. Возможна как потенциальная причина, так и результат (испытания типа a ), причина может иметь место, а результат — нет (испытания типа b ), причина может не наступить, а результат все еще имеет место (испытания типа c ), и, наконец, ни причина, ни результат не могут иметь место (испытания типа d ).Эти четыре типа испытаний показаны в матрице непредвиденных обстоятельств в таблице 1.

Таблица 1. Матрица непредвиденных обстоятельств, показывающая четыре различных типа испытаний в зависимости от наличия причины и результата .

Индекс Δ p (Allan, 1980) был широко принят в качестве нормативной меры случайности, на которой должны основываться субъективные оценки причинно-следственной связи участниками (например, Jenkins and Ward, 1965; Shaklee and Mims, 1981; Allan and Дженкинс, 1983; Шанкс и Дикинсон, 1987; Ченг и Новик, 1992).Этот индекс рассчитывается как вероятность того, что результат наступит при наличии потенциальной причины, P (O | C), минус вероятность того, что это произойдет при ее отсутствии, P (O | ¬C). Эти вероятности можно легко вычислить, исходя из количества испытаний каждого типа ( a, b, c, d ) в таблице 1:

Δp = P (O | C) −P (O | ¬C) = [a / (a + b)] — [c / (c + d)].

Когда вероятность наступления результата при наличии причины больше, чем вероятность наступления результата без причины, Δ p является положительным. Это означает, что потенциальная причина способствует получению результата.Например, если вероятность выздоровления от данного заболевания выше, когда люди принимают данную таблетку, чем когда они этого не делают, предлагается причинно-следственная связь, и эта таблетка, вероятно, способствует выздоровлению.

Если вероятность исхода без причины больше, чем вероятность исхода, Δ p является отрицательным. Это означает, что существует причинно-следственная связь, но в этом случае причина не порождает результат, а предотвращает или тормозит его. Например, когда вероятность выздоровления ниже, когда люди принимают данную таблетку, чем когда они ее не принимают, существует тормозящая или профилактическая причинно-следственная связь: таблетка, вероятно, препятствует выздоровлению.

Наиболее интересными для наших настоящих целей являются случаи, в которых случайность равна нулю, что означает, что причинно-следственная связь не существует. В таблице 2 показан пример фиктивной ситуации, в которой 80% пациентов, принимающих данную таблетку, выздоравливают от болезни, но 80% пациентов, которые ее не принимают, выздоравливают так же хорошо. Таким образом, исход весьма вероятен, но не зависит от наличия или отсутствия потенциальной причины. В этом и других случаях две вероятности идентичны, и поэтому Δ p равно 0.В этой ситуации с нулевым непредвиденным обстоятельством нет никаких эмпирических доказательств того, что существует причинная связь между потенциальной причиной и следствием. Следовательно, если нескольким участникам эксперимента показана такая ситуация и их попросят высказать причинное суждение, правильный ответ должен состоять в том, что причинной связи нет, даже если результат может происходить очень часто, а два события могут часто совпадать (т. Е. , может быть много экземпляров ячеек и ; см. Таблицу 2).

Таблица 2.Матрица непредвиденных обстоятельств, показывающая ситуацию, в которой результат наступает с высокой вероятностью, но без непредвиденных обстоятельств .

Участники экспериментов часто переоценивают степень, в которой потенциальная причина на самом деле вызывает результат в условиях нулевой непредвиденной ситуации. Это известно как иллюзия причинности (или иллюзия контроля в случаях, когда потенциальной причиной является поведение участника). Несмотря на то, что Δ p общепринято в качестве нормативного индекса, описывающего влияние причины на следствие, в настоящее время хорошо известно, что участники не всегда основывают свою оценку причинной связи на Δ p (Allan and Jenkins, 1983 ; Pineño, Miller, 2007).Иногда участники используют другие индексы, и, что наиболее важно для наших текущих целей, их оценки могут быть искажены другими ненормативными переменными. Этим переменным и посвящен настоящий отчет.

В каком-то смысле правильное и беспристрастное определение существования причинно-следственной связи в любой ситуации эквивалентно использованию строгого экспериментального подхода. Это требует осознания того, что человеческие причинные выводы подвержены предубеждениям, тестирования того, что происходит, когда потенциальная причина отсутствует, наблюдения аналогичного числа случаев, в которых причина присутствует и отсутствует, скептического отношения к простым совпадениям и поиска полной информации обо всем. четыре типа проб.Это требует знания того, когда и как использовать все эти инструменты. Важно показать людям основные принципы научного контроля, как мы увидим в экспериментах по изучению иллюзии причинности, описанной ниже.

Как оценить иллюзию

В большинстве экспериментов по выявлению реальных или иллюзорных причинно-следственных связей использовалась разновидность той же процедуры: задача суждения о непредвиденных обстоятельствах (см. Специальные тома Шанкса и др., 1996; Беккерс и др., 2007). Эта процедура оценки в настоящее время является относительно стандартной, что облегчает сравнение экспериментов и оценку новых применяемых стратегий.Эта методология также использовалась, когда необходимо точно оценить степень иллюзии причинно-следственной связи, которую люди проявляют до и после обучения научному мышлению (Barberia et al., 2013), что представляет особый интерес для настоящего отчета.

В этих экспериментах участники проходят ряд испытаний, в которых данная причина присутствует или отсутствует, а затем следует наличие или отсутствие потенциального результата (см. Таблицу 1). В типичном эксперименте с иллюзией причинности используется матрица непредвиденных обстоятельств, аналогичная приведенной в таблице 2, с ситуацией нулевой непредвиденной ситуации и манипуляциями с различными ячейками для увеличения или уменьшения иллюзии.

Заголовок, использованный в экспериментах, может быть изменен, чтобы относиться к медицине и здоровью (например, Matute et al., 2011), акциям и рынкам (Chapman and Robbins, 1990), продуктам питания и аллергическим реакциям (Wasserman et al., 1996). ), или растения и яды (Cobos et al., 2007), чтобы назвать несколько примеров. Во всех случаях цель состоит в том, чтобы изучить, как определенные манипуляции влияют на точное обнаружение причинно-следственной связи. В конце эксперимента участников просят оценить взаимосвязь между потенциальной причиной и потенциальным результатом.

Например, типичный эксперимент может побудить участников представить себя врачами. Участникам показывают серию записей о фиктивных пациентах, страдающих каким-либо заболеванием. Они видят одного пациента за испытание на мониторе компьютера. Некоторые из этих пациентов принимают лекарственные препараты, а некоторые нет. Затем некоторые пациенты выздоравливают, а другие нет. В этом примере лекарственное средство является потенциальной причиной, которая может присутствовать или отсутствовать в каждом испытании, а результатом является выздоровление от болезни, которое также может присутствовать или отсутствовать в каждом испытании.Различные типы испытаний ( a, b, c, d ), показанные в таблице 1, представлены в случайном порядке. Количество испытаний (т.е. пациентов) обычно составляет от 20 до 100, при этом от 40 до 50 являются стандартными. В конце эксперимента участников просят предоставить свою личную оценку взаимосвязи между двумя событиями, обычно по шкале от 0 (неэффективно) до 100 (полностью эффективно).

Среди множества возможных вариантов этой задачи есть один, который заслуживает особого упоминания.Эта переменная представляет собой активную и пассивную роль участника в этой задаче. До сих пор в описании задачи участники могли пассивно наблюдать, принимали ли фиктивные пациенты лекарство, а затем наблюдать, выздоравливают ли они. Это аналогично косвенному обучению, наблюдая или читая о других, принимавших наркотик. Напротив, в экспериментах с активной версией задания участникам показывают пациентов, страдающих этим синдромом, и спрашивают: «Вы бы хотели дать лекарство этому пациенту?» В этих экспериментах участники играют активную роль и решают, будет ли представлена потенциальная причина и когда.После этого результат (исцеление) наступает или не наступает в соответствии со случайной или заранее определенной последовательностью, которая была предварительно запрограммирована экспериментатором. Это аналог человека, который принимает таблетки для уменьшения боли. Как мы покажем, некоторые исследования приписывают этой переменной критическую роль, но мы утверждаем, что ее влияние иногда могло быть смешано с другими факторами.

В дополнение к активным и пассивным ролям участников, есть много других вариантов, которые могут быть представлены в этой задаче и которые, как было показано, влияют на оценки участниками причинно-следственной связи.Примеры включают изменение формулировки вопросов о причинно-следственной связи, задаваемых в конце эксперимента (Crocker, 1982; Vadillo et al., 2005, 2011; Collins and Shanks, 2006; De Houwer et al., 2007; Blanco et al. , 2010; Shou and Smithson, 2015), порядок, в котором представлены различные типы испытаний (Langer and Roth, 1975; López et al., 1998), частота, с которой запрашиваются судебные решения (Collins and Shanks, 2002; Matute et al., 2002), описание соответствующих событий как причин, предикторов или следствий (Waldmann and Holyoak, 1992; Cobos et al., 2002; Pineño et al., 2005), временная близость между двумя событиями (например, Shanks et al., 1989; Wasserman, 1990; Lagnado and Sloman, 2006; Lagnado et al., 2007) и многие другие переменные, которые, к счастью, становится хорошо известным. В следующих разделах мы сосредоточимся на переменных, которые, по-видимому, наиболее критически влияют на иллюзию в случаях нулевого непредвиденного обстоятельства.

Вероятность исхода

Одной из первых переменных, влияющих на переоценку нулевого непредвиденного обстоятельства, является вероятность наступления результата.Во многих экспериментах с нулевым непредвиденным обстоятельством изучались условия, в которых желаемый результат возникает случайно, но с высокой вероятностью (например, 75% случаев, независимо от того, присутствует причина или нет), которые сравнивались с условиями, в которых результат наступает с низкой вероятностью (например, в 25% случаев, также независимо от наличия причины). Иллюзия причинно-следственной связи систематически сильнее в условиях с высоким исходом, чем в условиях с низким исходом (Alloy and Abramson, 1979; Allan and Jenkins, 1980, 1983; Matute, 1995; Wasserman et al., 1996; Бюнер и др., 2003; Аллан и др., 2005; Musca et al., 2010). Таким образом, когда кто-то пытается добиться результата, и результат возникает часто, ощущение того, что действие является эффективным, намного сильнее, чем когда результат случается редко. Это обычно называется смещением плотности исходов или частоты исходов.

Важно знать, что вероятность результата влияет на восприятие причинно-следственной связи. Эти знания предупреждают нас о состояниях, которые часто более чувствительны к причинным иллюзиям, например, о любых заболеваниях или болевых состояниях, при которых часты спонтанные ремиссии.Это объясняет, почему некоторые жизненные ситуации особенно уязвимы для псевдонаучного и магического мышления. Например, в США альтернативная медицина является предпочтительным вариантом лечения боли в спине (которая имеет высокий процент спонтанной ремиссии), при этом альтернативные врачи обеспечивают 40% первичной помощи при боли в спине (Комиссия Белого дома по политике дополнительной и альтернативной медицины , 2002). Напротив, альтернативные лекарства редко используются для лечения расстройств, при которых вероятность спонтанной ремиссии мала.

Ошибка плотности результата позволяет нам предсказать, что условия нулевой непредвиденной ситуации, в которых часто встречается желаемый результат, подвержены возникновению причинных иллюзий. Однако эти иллюзии трудно предотвратить, учитывая, что мы мало что можем сделать, чтобы снизить вероятность исхода в таких случаях. В прикладных условиях вероятность появления результатов, не зависящих от реакции, по определению находится вне контроля человека. Мы ничего не можем сделать, чтобы это изменить, поэтому наша роль должна заключаться в повышении осведомленности о проблеме и обучении людей быть бдительными, чтобы обнаруживать свои собственные иллюзии в тех случаях, когда результат возникает часто.Поэтому хорошая привычка к научному мышлению должна быть лучшей защитой.

Вероятность причины

Вероятность причины — еще одна переменная, которая, как было показано, влияет на иллюзию причинности. При прочих равных условиях и нулевой случайности иллюзия причины, приводящей к результату, будет значительно сильнее, если причина возникает в 75% случаев, чем когда она возникает в 25%. Этот эффект также называется смещением плотности причин или частоты причин и также был продемонстрирован во многих экспериментах (Allan and Jenkins, 1983; Wasserman et al., 1996; Пералес и др., 2005; Matute et al., 2011; Вадилло и др., 2011; Blanco et al., 2013; Ярриту и др., 2014). Эффект особенно силен, когда вероятность исхода также высока, поскольку будет больше возможностей для совпадений (Blanco et al., 2013).

К счастью, в этом случае можно многое сделать для уменьшения иллюзий людей. Несмотря на то, что вероятность результата неконтролируема в реальных жизненных ситуациях с нулевым непредвиденным обстоятельством, вероятность причины — это то, что можно относительно легко изменить.Представьте себе популярное (и фиктивное) лечение болевого синдрома, которое имеет высокую вероятность спонтанной ремиссии. Как это обычно бывает в альтернативной медицине, лечение включает очень высокую частоту возникновения причины (например, таблетки необходимо принимать каждые 2 часа). Следовательно, мы знаем, что это одна из ситуаций, в которой почти наверняка возникнет иллюзия. Как уже говорилось, очень сложно просто убедить людей в том, что их убеждения ложны или что их любимое лечение, которое так хорошо работает, безвредно.Однако важно то, что мы могли бы убедить их уменьшить частоту, с которой они принимают таблетку, чтобы они могли хотя бы проверить, что происходит, когда причина отсутствует. Мы знаем, что эта стратегия хорошо работает в лаборатории. Если они уменьшат частоту причины и результат останется неизменным, тогда они смогут понять, что потенциальная причина и результат полностью независимы, и иллюзия уменьшится (Blanco et al., 2012; Yarritu et al., 2014). Как мы покажем, это можно сделать с помощью простых инструкций или любых других средств, снижающих вероятность возникновения потенциальной причины.

Таким образом, даже несмотря на то, что убедить людей не прибегать к фиктивному лечению может оказаться трудным, мы, по крайней мере, знаем, что хорошая кампания, мотивирующая сокращение частоты лечения, может уменьшить иллюзию. Действительно, было показано, что даже не обязательно, чтобы участники сами выполняли действие. В экспериментах с использованием пассивного воздействия участники просто наблюдали, что происходит с фиктивными пациентами в эксперименте, как если бы они пассивно смотрели телевизор. Результаты показали, что даже несмотря на то, что участники не выполняли действие сами, наблюдая, как многие vs.несколько случаев, в которых причина присутствовала, оказали значительное влияние на созданную ими иллюзию. Те, кто наблюдал за меньшим количеством пациентов, которые следовали лечению, сообщили о значительно более слабых иллюзиях (например, Matute et al., 2011; Vadillo et al., 2011; Yarritu et al., 2014). Таким образом, существует не только тенденция к более частому использованию тех методов лечения, которые кажутся более эффективными, но также и тенденция воспринимать более часто используемые методы лечения как более эффективные. То есть восприятие эффективности увеличивает использование, но более широкое использование также увеличивает восприятие эффективности (Blanco et al., 2014). Следовательно, чтобы показать людям, что причинно-следственная связь не существует (например, что гомеопатия не работает), достаточно попросить их реже использовать потенциальную причину или даже показать им, что происходит с людьми, которые ее не используют ( показав им, как, например, выздоравливают люди, не использующие гомеопатию).

Причина-результат

Одно из условий, при которых большинство людей допускают систематические ошибки в оценке причинности, — это когда два события продолжают происходить вместе во времени или в тесной временной последовательности, предполагая, что первое вызывает второе (например.г., Шанкс и др., 1989; Вассерман, 1990; Лагнадо, Сломан, 2006). Мы делаем вывод о причинной связи в этих случаях, и этот вывод часто бывает правильным, поскольку смежность причинно-следственных связей является основным сигналом, который люди и другие животные могут использовать для вывода о причинно-следственных связях (Wasserman and Neunaber, 1986; Shanks et al., 1989; Wasserman, 1990; Buehner, 2005; Greville, Buehner, 2010). Однако, когда причинно-следственная связь отсутствует и события все еще происходят в тесной временной последовательности, люди также склонны делать вывод о существовании причинной связи между ними, хотя и ошибочно.

Действительно, из всех четырех типов испытаний в матрице непредвиденных обстоятельств люди склонны уделять особое внимание испытаниям в ячейках и , для которых причина и результат совпадают (Jenkins and Ward, 1965; Crocker, 1982; Kao and Wasserman, 1993). Это означает, что даже в ситуациях с нулевым непредвиденным обстоятельством может иметь место сильная тенденция к выводу о причинно-следственной связи, когда количество совпадений причины и результата (ячейка и испытания) велико. Фактически, ячейка a тесно связана с факторами, описанными в предыдущих двух разделах, поскольку высокая вероятность как причины, так и результата неизбежно приведет к множеству испытаний ячейки a .Неудивительно, что маркетинговые кампании, продвигающие использование дополнительной и альтернативной медицины или любых других чудодейственных продуктов, используют эту технику, всегда информируя потенциальных клиентов о многих успешных случаях после их советов, и никогда не упоминают тех, кто добился успеха, не следуя их советам. Урок, извлеченный из лабораторных экспериментов, заключается в том, что в информационных кампаниях, проводимых правительствами и учреждениями здравоохранения, пытающимися противодействовать рекламе поддельных продуктов, явно необходимо выделять тех, кто не использовал продукт (т.е., испытания без причины — клетки c и d в таблице 1). Важно передавать не только правдивую, но и полную информацию, включая все четыре типа испытаний ( a, b, c, d ), чтобы люди могли принимать обоснованные решения.

В итоге, вероятности как результата, так и причины являются переменными, которые влияют на степень иллюзии причинной связи, которую люди разовьют в условиях нулевой непредвиденной ситуации. Чем выше вероятность причины и результата, тем выше вероятность того, что причина и результат совпадают, и тем выше вероятность того, что люди установят причинную связь.Более того, когда вероятность как результата, так и причины высока, возникает особая ситуация, в которой большинство испытаний вовлекают наблюдения ячейки a . Многие совпадения между причиной и результатом, когда и то и другое происходит часто, по-видимому, порождают иллюзию причинности (Blanco et al., 2013). Таким образом, чтобы уменьшить иллюзию, мы должны уменьшить вероятность результата и причины, когда это возможно, и искать полную информацию.

Эффекты, обсуждаемые до сих пор, похоже, не влияют только на человеческие суждения.Компьютерное моделирование показывает, что вероятности причины и результата также могут влиять на алгоритмы машинного обучения, предназначенные для обнаружения непредвиденных обстоятельств. Например, на рисунке 1 показаны результаты компьютерного моделирования, основанного на популярном алгоритме обучения Рескорла – Вагнера (Рескорла и Вагнер, 1972). Модель пытается связать причины и результаты, одновременно происходящие в окружающей среде, при этом сводя к минимуму ошибки прогнозирования. Каждая из четырех линий, показанных на рисунке 1, обозначает поведение модели при воздействии каждого из четырех условий, используемых Blanco et al.(2013). В этом эксперименте все участники были подвергнуты серии испытаний, в которых случайность между потенциальной причиной и результатом фактически равнялась 0. Вероятность причины была высокой (0,80) для половины участников и низкой (0,20) для другой. половина. Ортогонально результат имел тенденцию появляться с большой вероятностью (0,80) для половины участников и с низкой вероятностью (0,20) для другой половины.

Рис. 1. Результаты компьютерного моделирования четырех экспериментальных условий, представленных Blanco et al.(2013, эксперимент 1) с использованием алгоритма обучения Рескорла – Вагнера. Моделирование проводилось с использованием симулятора Java, разработанного Alonso et al. (2012). Для этого моделирования параметры скорости обучения были установлены на α _{, причина} = 0,3, α _{, контекст} = 0,1, β _{, результат} = β _∼outcome = 0,8.

Как показано на рисунке 1, модель имеет тенденцию сходиться к низкой ассоциативной силе во всех условиях после многих испытаний, что является естественным результатом, учитывая, что истинная случайность между причиной и результатом равна 0 во всех случаях.Однако до того, как модель достигнет этой асимптоты, она временно смещается как на вероятность причины, так и на вероятность результата, подобно тому, как это показано у людей. Способность модели распознавать случайность 0 является самой медленной, когда вероятности причины и результата велики. Хотя модель предсказывает, что иллюзия в конечном итоге исчезнет, если будет проведено достаточно большое количество испытаний, результаты имитируют причинные иллюзии, обнаруженные у реальных участников, которые также имели тенденцию демонстрировать более сильные иллюзии, когда обе вероятности велики.Это было обнаружено у людей с помощью 50 и 100 тренировочных испытаний (Blanco et al., 2011). Этот результат также можно рассматривать как особую форму иллюзорной корреляции, потому что и люди, и модель предполагают иллюзорную корреляцию между потенциальной причиной и результатом, прежде чем предположить, что корреляция подразумевает причинную связь.

Интересно, что хотя есть много других переменных, которые были описаны в литературе как влияющие на иллюзию причинной связи, внимательный взгляд показывает, что многие из них также связаны с ситуациями с высокой вероятностью результата, высокой вероятностью причины или и тем, и другим.Следовательно, многие факторы, предположительно влияющие на иллюзию, могут быть просто случаями, когда затрагиваются эти две вероятности. Мы описываем некоторые из этих переменных ниже.

Максимизация результата по сравнению с проверкой причинно-следственной связи

Как объяснялось, в некоторых экспериментах использовалась пассивная версия задачи обучения непредвиденным обстоятельствам, в то время как в других использовалась активная версия. В активной версии поведение участника является потенциальной причиной результата: участник решает, когда и как часто будет представлена причина.Следовательно, даже если возникновение результата заранее запрограммировано одинаково как в активной, так и в пассивной версиях, в активной задаче участники могут случайно увеличить количество совпадений между потенциальной причиной и результатом в зависимости от того, когда и как часто они вводят причину (Matute, 1996; Hannah and Beneteau, 2009). Таким образом, участник может влиять на частоты в матрице непредвиденных обстоятельств (см. Таблицу 1). В этих случаях, даже если результат неконтролируемый, участнице может казаться, что она его контролирует (Blanco et al., 2011). Это общая черта инструментального поведения, которая возникает в реальных неконтролируемых ситуациях, когда человек может указать причину. В качестве примера рассмотрим танцы под дождем. Дождь не поддается контролю, но частота, с которой танцевали древние племена, была решением, которое повлияло на количество совпадений причины и следствия, что, в свою очередь, могло повлиять на их восприятие причинности.

Этот эффект зависит от цели и поведения участников, поэтому он также может быть, по крайней мере, частично изменен с помощью инструкций по изменению этих целей и поведения, связанного с ними.Матуте (1996) заметил, что участники экспериментов, демонстрирующие иллюзию причинно-следственной связи, обычно подвергались воздействию естественных условий, в которых их целью было максимизировать результат, поэтому они, как правило, действовали с высокой вероятностью (причины). Напротив, исследования, сообщающие о точном обнаружении нулевых непредвиденных обстоятельств, как правило, рассказывали своим участникам не только о том, что их цель состояла в том, чтобы оценить, насколько они контролируют результат (а не максимизировать результат), но также и о том, как они могут наилучшим образом оценить потенциальные отношения.Участников этих экспериментов попросили проверить, существует ли причинно-следственная связь, и проинструктировали, что лучший способ достичь этой цели — указать причину примерно в 50% испытаний. Это позволило им узнать, что произошло, когда потенциальная причина присутствовала, а когда нет (Шанкс и Дикинсон, 1987; Вассерман, 1990). В некотором смысле участники были проинструктированы о принципах научного контроля. Предложив им проверить результаты при наличии и отсутствии потенциальной причины, они точно обнаружили отсутствие непредвиденных обстоятельств.Это говорит о том, что точному обнаружению можно способствовать с помощью прямых (и довольно простых) инструкций, данных участникам.

Люди склонны действовать часто, пытаясь максимизировать результат, что увеличивает их иллюзию причинности. Инструктаж людей уменьшать вероятность возникновения причины (и воздерживаться от любых действий) показывает, что это эффективная стратегия уменьшения их иллюзий (Blanco et al., 2012). Эта стратегия учит людей тому, что происходит, когда они действуют или не действуют.Неудивительно, что это эквивалентно обучению людей основам научных методов и научного контроля: чтобы проверить причинно-следственную связь между двумя переменными, им нужно научиться контролировать эти переменные и видеть, что происходит при наличии или отсутствии потенциальной причины.

Цена действия — вторичные эффекты

Мы описали несколько состояний, при которых вероятность причины явно снижена, чтобы люди могли понять, что происходит, когда причина отсутствует.Как уже упоминалось, это основа экспериментального метода, который был разработан, чтобы помочь ученым с точностью определить причинно-следственные связи. Но во многих естественных условиях люди, как правило, действуют с очень высокой скоростью, чтобы максимизировать результат, что не позволяет им обнаружить нулевые непредвиденные обстоятельства. Примеров много. Когда мы испытываем боль, мы с большей готовностью принимаем любое предлагаемое средство. Было бы очень сложно, если не невозможно, попросить людей воздержаться от попыток достичь желаемого и действительно необходимого результата.

Однако есть некоторые факторы, которые по умолчанию снижают вероятность действия. Один из них — стоимость действия. Когда действие дорогое (с точки зрения затрат энергии или других затрат), люди сокращают его частоту. В этих условиях мы можем предсказать уменьшение иллюзии причинности. Один из примеров — вторичные эффекты лекарств. Большинство лекарств вызывают побочные эффекты, и их прием требует определенных затрат. Согласно обсуждению до сих пор, это должно привести к снижению потребления и, таким образом, более точному обнаружению нулевой непредвиденной ситуации.По той же причине, если лекарство неэффективно, но имеет побочные эффекты, людям будет легче обнаружить его нулевую непредвиденную ситуацию. Однако кажущиеся неэффективными лекарства, как правило, не имеют ни первичных, ни вторичных эффектов (как и многие дополнительные лекарства, такие как гомеопатия). Это может быть одной из причин, по которой многие люди предпочитают альтернативную медицину, даже если они знают, что они не подтверждаются доказательствами. Предполагаемое отсутствие побочных эффектов заставляет многих людей принимать эти лекарства свободно и часто, что должно привести к большей иллюзии, что они эффективны, поскольку, как известно, высокая вероятность причины увеличивает иллюзию.

Чтобы проверить эту точку зрения, Blanco et al. (2014) адаптировали стандартную задачу обучения на случай непредвиденных обстоятельств, описанную выше. Участникам показывали записи о фиктивных пациентах один за другим через экран компьютера и решали, давать ли этим пациентам недавно обнаруженное лекарство или ничего не делать. Они получили отзывы о том, почувствовал ли каждый пациент себя лучше или нет. Как и в предыдущих экспериментах, не было никакой связи между лекарством и исцелением. Важнейшая манипуляция в этом эксперименте заключалась в том, что для одной группы участников у пациентов, которые принимали препарат, всегда возникали вторичные эффекты, тогда как в другой группе вторичных эффектов не было.Как и ожидалось, участники, у которых препарат не вызывал побочных эффектов, вводили его с большей частотой и поэтому не могли узнать, что выздоровление происходит с одинаковой вероятностью независимо от приема препарата. Таким образом, более высокая частота введения вызывала более сильные причинные иллюзии в группе без побочных эффектов. Исследование показало, что мы не только склонны использовать лекарства, которые, по нашему мнению, более эффективны, но и простой факт использования лекарства часто укрепляет веру в его эффективность.Это порождает порочный круг между использованием и восприятием эффективности.

Эти результаты предполагают, что один из путей, по которому альтернативная и дополнительная медицина получает такое широкое распространение, заключается именно в предполагаемом отсутствии побочных эффектов. Это заставляет людей использовать эти средства чаще, чем обычные (которые почти всегда имеют побочные эффекты). Таким образом, если результат наступает с такой же вероятностью, когда эти средства не используются, они просто не могут его воспринять.

Депрессия

Другая переменная, оказывающая сильное влияние на восприятие нулевых непредвиденных обстоятельств, — это настроение. Классическое исследование Alloy и Abramson (1979) показало, что люди, находящиеся в депрессивном состоянии, точнее, чем люди без депрессии, обнаруживают отсутствие контроля в неконтролируемых условиях. Этот эффект депрессивного реализма воспроизводился во многих различных условиях (например, Moore and Fresco, 2012; Kornbrot et al., 2013; Byrom et al., 2015).

Первоначально этот эффект объяснялся предположением, что у людей с депрессией отсутствует ряд корыстных предубеждений, которые, как предполагается, способствуют благополучию у людей без депрессии. Не находящиеся в депрессии люди будут склонны чувствовать, что они контролируют свое окружение, которое заставляет их чувствовать себя хорошо и защищает их от депрессии (Alloy and Abramson, 1988; Taylor and Brown, 1988, 1994; Alloy and Clements, 1992). Альтернативная точка зрения интерпретирует эти эффекты не как мотивационную предвзятость, а как следствие различных когнитивных стратегий.В частности, было обнаружено, что люди с депрессией по-разному проводят испытания без определения причины (Msetfi et al., 2005).

Не обсуждая достоинства этих интерпретаций, мы предлагаем другую интерпретацию, которая соответствует общей структуре, изложенной в этой статье, и которая может дополнить предыдущие предложения о депрессивном реализме. Согласно Blanco et al. (2009, 2012), одним из аспектов депрессии является повышенная пассивность, то есть снижение способности инициировать произвольные реакции.Когда в экспериментах по депрессивному реализму сравнивали участников, находящихся в депрессии, и участников без депрессии, частота появления причины (поведения участника) обычно не сообщается. Таким образом, участники без депрессии могли действовать с большей частотой, чем участники с депрессией, чтобы получить результат. Если бы это было правдой и предполагая, что результат действительно происходит с относительно высокой частотой в экспериментах этого типа и в реальных жизненных ситуациях, мы можем легко предвидеть, что участники, не находящиеся в депрессии, будут подвергаться большему количеству совпадений (тип a ячеек, таблица 1).Это заставляет их развивать иллюзию, что они контролируют результат. Фактически, Blanco et al. (2009, 2012) показали, что эффект депрессивного реализма может быть вызван, по крайней мере частично, тем фактом, что депрессивные люди более пассивны. Они действуют реже для получения результата и, таким образом, подвергаются меньшему количеству испытаний на наличие причины. Как следствие, их иллюзия контроля ниже.

Следовательно, хотя люди с депрессией кажутся более точными, чем люди без депрессии, в своих оценках нулевой непредвиденной ситуации, это не обязательно означает, что они мудрее.Напротив, это кажется дополнительным следствием той сильной роли, которую вероятность причины играет в усилении или уменьшении иллюзий причинности. Это подчеркивает необходимость научить людей, не страдающих депрессией, быть более пассивными, вводя потенциальные причины в одних испытаниях, но не в других, чтобы они могли узнать, насколько они на самом деле контролируют результат.

Личное участие

Степень личного участия участника была предложена во многих более ранних отчетах как одна из наиболее важных переменных, влияющих на результаты экспериментов с иллюзиями причинно-следственной связи и контроля.В принципе, результаты эксперимента должны сильно отличаться в зависимости от того, участвуют ли участники лично в исцелении как можно большего числа фиктивных пациентов или они просто наблюдают, выздоравливают ли фиктивные пациенты после приема препарата. Как уже упоминалось, иллюзия контроля обычно интерпретируется как форма корыстной предвзятости (Alloy and Abramson, 1988; Taylor and Brown, 1988, 1994; Alloy and Clements, 1992). Следовательно, этого не должно происходить, когда люди просто наблюдают причины и следствия, которые не имеют ничего общего с их собственным поведением.

Одно из очень немногих исследований, в которых прямо проверяли эту точку зрения, было проведено Alloy et al. (1985). Для одной группы потенциальной причиной было поведение участников, а для другой потенциальной причиной было нейтральное событие. Иллюзия была сильнее, когда потенциальной причиной было поведение участника, которое, казалось, поддерживало мнение о том, что личное участие необходимо для развития иллюзии контроля. Однако более пристальный взгляд на этот эксперимент показывает, что процент испытаний, в которых участники представили причину, не был указан.Это оставляет открытой возможность того, что участники, которые были лично вовлечены, могли действовать с высокой вероятностью и, таким образом, подвергались более высокой вероятности причины, чем группа наблюдателей. Если бы это было так, личное участие можно было бы спутать с вероятностью причины в предыдущей работе.

Таким образом, мы провели эксперимент, используя схему с коромыслами, чтобы все оставалось неизменным во всех группах, за исключением личного участия. Одна группа могла вводить лекарство фиктивным пациентам, в то время как другая группа просто наблюдала.Результат был неконтролируемым (запрограммированным) для всех участников, но каждый участник в группе, скованной ярмом, наблюдал только идентичную последовательность причин и результатов, порожденных партнером в активной группе. В результате обе группы продемонстрировали похожую иллюзию причинно-следственной связи. Суждения участников не различались, независимо от того, были ли они активны в эксперименте или находились под его ярмом (Ярриту и др., 2014). Вместо этого на суждения участников влияла вероятность возникновения потенциальной причины (напомним, что потенциальной причиной в этом эксперименте было введение препарата, которое совпадало с поведением самих участников в активной группе, тогда как оно совпадало с поведением поведение третьего лица в группе, находящейся под ярмом).Таким образом, казалось, что вероятность причины была более сильным фактором, чем личное участие в развитии иллюзии.

Чтобы подтвердить этот вывод, Ярриту и соавт. (2014) провели еще один эксперимент, в котором они явно манипулировали вероятностью потенциальной причины и степенью личного участия. Половине участников было предложено попытаться вылечить как можно больше пациентов, а другую половину просто наблюдали за тем, что делают их партнеры. Чтобы повысить мотивацию активных участников, они были проинформированы о том, что за их работой следят равноправные участники, наблюдающие за экраном с клонированного экрана в соседней кабине.Ортогонально половине участников в каждой группе был предоставлен дефицит препарата, поэтому они были вынуждены вводить его с низкой вероятностью всего нескольким пациентам. Другой половине дали большой запас лекарства и заставили вводить его с высокой частотой. Результаты подтвердили наши предыдущие выводы о том, что вероятность, с которой было дано лекарство, оказала более сильное влияние на суждения, чем личное участие в попытках излечить пациентов (по сравнению с простым наблюдением).

Это не означает, что все случаи, показывающие, что личное участие увеличивает иллюзию контроля, могут быть сведены к вероятности причинно-следственной связи.Однако вполне возможно, что в литературе существует некоторая путаница, потому что люди, которые лично вовлечены, как правило, действуют для достижения желаемого результата чаще, чем те, кто не участвует. Вероятность введения потенциальной причины выше у тех, кто вовлечен, и, как было показано ранее, это может увеличить количество совпадений и, следовательно, иллюзию. Как следствие, необходимо дистанцироваться в критических жизненных условиях, в которые мы лично вовлечены, или позволить более объективным и нейтральным наблюдателям помочь нам судить о существовании причинно-следственной связи, потому что наша интуиция наверняка ошибается.

Когда существует несколько возможных причин

Бывают случаи, когда совпадений недостаточно, чтобы усилить восприятие причинности. Когда несколько возможных причин представлены вместе и за ними следует результат, причины имеют тенденцию конкурировать между собой за связь с результатом. Даже когда может быть много совпадений причины и следствия, они могут оказаться неэффективными в усилении приписывания причинности одной из этих причин, если другая причина более интенсивна или ранее имела связь с результатом (Rescorla and Wagner, 1972).Эти эффекты конкуренции между несколькими потенциальными причинами хорошо известны как у людей, так и у других животных (например, Shanks, 2007; Wheeler and Miller, 2008).

Развивая эту идею немного дальше, мы могли бы также предсказать, что в ситуациях, в которых результат не зависит от поведения, информирование людей о потенциальных альтернативных объяснениях результата также должно уменьшить их иллюзию причинности. Эта идея была проверена Vadillo et al. (2013), которые проинструктировали одну из своих групп о возможном альтернативном объяснении результата.Как и ожидалось, группа с альтернативным объяснением, к которому можно было легко отнести результат, показала меньшую иллюзию причинной связи по сравнению с группой, которая не получала предложений об альтернативных объяснениях. Таким образом, информирование людей о существовании альтернативных причин может уменьшить иллюзию.

Однако наличие альтернативных причин не всегда приносит пользу. Бывают случаи, когда люди могут выбрать неправильную причину, если их две. В качестве примера рассмотрим пациента, принимающего таблетки плацебо для улучшения сна.Друг говорит ему, что таблетки — это просто сахар и что ему следует начать новое лечение. Он колеблется, но в конце концов решает последовать совету друга. Он посещает психолога и начинает лечение, основанное на доказательствах. Однако на всякий случай он не бросает таблетки плацебо и продолжает использовать их в качестве дополнительной терапии. Это означает, что он не сможет сказать, связано ли какое-либо улучшение с новым лечением или с таблетками плацебо. Даже если новое лечение сработает, его эффект можно ошибочно отнести к старым таблеткам плацебо.

Альтернативные методы лечения часто используются в дополнение к другим методам лечения, полагая, что они не могут быть вредными, если используются таким образом. Действительно, многие люди согласятся, что альтернативная терапия может быть вредной, потому что может заставить людей не следовать эффективному лечению. Но при использовании в качестве дополнения альтернатива кажется абсолютно безвредной, и почти никто не будет возражать против такого использования. Однако по мере того, как мы продвигались вперед, наличие более чем одной потенциальной причины может привести к конкуренции между обеими причинами, так что, если одна считается сильным кандидатом, другая будет рассматриваться как слабая.Действительно, во многих экспериментах как с людьми, так и с другими животными сообщалось, что, когда две причины представлены вместе и за ними следует результат, одна из причин, ранее имевшая связь с этим результатом, может конкурировать с приписыванием причинной силы последним. причина (Шанкс, Дикинсон, 1987; Шанкс, 2007; Уиллер, Миллер, 2008; Боддез и др., 2014).

Имея это в виду, Ярриту и др. (2015) спросили, произойдет ли такой же эффект, если предыдущая история одной из причин с исходом была просто иллюзорной.Они попросили две группы оценить эффективность препарата А в задаче, описанной в предыдущих разделах. Во время фазы 1 процент испытаний, в которых выздоровели фиктивные пациенты, был одинаковым независимо от того, принимали ли они лекарство, и определялся заранее запрограммированной случайной последовательностью. Однако сильная иллюзия эффективности препарата была вызвана в одной группе, в то время как слабая иллюзия была вызвана в другой группе. Это было сделано путем манипулирования вероятностью причины (фиктивные пациенты, принимающие препарат).Затем, в фазе 2, все участники были подвергнуты воздействию серии пациентов, которые либо принимали комбинированное лечение препарата А с новым препаратом В, либо не получали лечения, после чего пациенты выздоравливали или не получали лечения. Процент испытаний, в которых пациенты выздоравливали после приема комбинированного лекарства, был выше, чем в исследованиях с выздоровлением без лекарств, и эти проценты были идентичными для всех участников. То есть во время фазы 2 лекарство B было эффективным. Однако, когда его спросили об эффективности препарата B в последующей фазе тестирования, суждения были ниже для группы, у которой сложилась сильная иллюзия о препарате A в фазе 1.Предыдущая иллюзия, что лекарство A было эффективным, уменьшила способность определять эффективность лекарства B во время фазы 2. Это говорит о том, что ложное лекарство, даже если оно является дополнительным, может причинить больше вреда, чем обычно ожидают люди.

Неблагоприятные условия: как раз наоборот?

На протяжении всей статьи мы предполагали, что иллюзия причинности возникает в условиях аппетита, когда люди пытаются добиться желаемого события. Тем не менее, многие суеверия и иллюзии причинно-следственной связи имеют место в неблагоприятных условиях, в которых результат оказывается нежелательным, например, невезение или несчастье (напр.г., Блюм и Блюм, 1974; Эшлеман и др., 2003; Блум и др., 2007; Zhang et al., 2014). Мы должны различать по крайней мере два типа аверсивных или отрицательных состояний, в которых может иметь место нулевая случайность. Первый параллелен поведению побега и избегания. Несмотря на то, что между причиной и результатом нет случайности, это будет выглядеть так, как будто за поведением участников следует прекращение (или уклонение) отталкивающего события. Типичный пример — прикосновение к дереву, чтобы избежать несчастья.Этот первый тип негативных суеверий работает во многом так же, как и тот, который приводит к аппетитным результатам, которые обсуждались до сих пор. Люди обычно с высокой вероятностью будут выполнять действия, пытаясь избежать или избежать неприятного стимула как можно чаще (Matute, 1995, 1996; Blanco and Matute, 2015). Таким образом, большинство стратегий, предлагаемых для уменьшения иллюзии причинно-следственной связи, также должны быть полезны в этих случаях.

Второй тип соответствует условию наказания. Поведение участника не приводит к неудачам, но кажется, что так и было.Например, сидеть в ряду 13 или видеть черную кошку считается невезением. Эти случаи работают иначе, чем описанные. Когда неприятные последствия следуют за действием (или кажется, что следуют за ним), люди склонны снижать свое поведение (то есть вероятность возникновения причины). Это важно для понимания разницы между условиями, подобными наказанию, и условиями аппетита. В этом случае люди, как правило, действуют реже, в отличие от состояний аппетита.Таким образом, чтобы помочь им понять, что результат не зависит от их поведения, наша стратегия должна быть противоположна той, которая используется в условиях аппетита.

Чтобы проверить эту точку зрения, Матуте и Бланко (2014) использовали те же инструкции, показанные для уменьшения иллюзий в условиях аппетита в условиях, подобных наказанию. В результате просили людей уменьшить вероятность причины (т.Причина, вероятно, в том, что когда неприятные неконтролируемые результаты следуют за поведением и люди часто действуют, как они поступают по умолчанию, их поведение кажется наказанным, поэтому они чувствуют, что не контролируют результат. Однако, когда доступна потенциальная альтернативная причина этих неблагоприятных исходов, и люди сокращают частоту своих действий, и даже при этом неблагоприятные исходы продолжают происходить, людям становится яснее, что они не несут ответственности за возникновение исходов.Они больше не чувствуют, что их поведение наказывается, и поэтому их иллюзия контроля увеличивается. Следовательно, вместо того, чтобы давать указания людям сократить количество испытаний, в которых присутствует причина, лучшая стратегия в условиях, подобных наказанию, — это просить людей увеличить количество испытаний, связанных с наличием причины. Так им будет легче обнаружить, что у них нет контроля. Например, вместо того, чтобы просить людей воздерживаться от выбора строки номер 13, мы должны попросить их выбирать строку номер 13 с большей частотой, чтобы уменьшить их негативную иллюзию.

Разработка образовательной стратегии

В области научного образования ведутся долгие споры о том, лучше ли учащиеся учатся через личные открытия или через более традиционные методы обучения, но недавние отчеты показывают, что для изучения научных методов предпочтительнее прямое обучение (например, Klahr and Nigam, 2004). Таким образом, преимущества прямого обучения могут быть использованы для предотвращения иллюзий причинности. Однако одна серьезная потенциальная проблема заключается в том, что люди могут игнорировать рекомендации, потому что они не мотивированы убеждением в том, что они свободны от предубеждений.Многие люди могут распознать когнитивные предубеждения у других людей, но не умеют распознавать собственные предубеждения (Пронин и др., 2004, 2002). Мы можем предположить, что заставить людей осознать, что их восприятие причинно-следственной связи далеко от совершенства, будет мотивировать их изучать научные методы, которые помогут им точно оценить причинно-следственную связь.

Следуя этой идее, Barberia et al. (2013) рассказали группе подростков, что они разработали чудо-продукт, который поможет им улучшить свои физические и когнитивные способности.Это было проведено довольно театрально, и подросткам разрешили опробовать свойства продукта (кусок обычного феррита) с помощью нескольких познавательных и физических упражнений. Как только подростков убедили, что фиктивный продукт действительно эффективен, они были готовы выслушать возможные способы более точной оценки эффективности феррита. Они получили семинар по научным методам, подчеркивающий важность контроля посторонних или мешающих переменных.Им также показали, что это за продукт на самом деле и как они стали жертвами собственных предубеждений. Наконец, их иллюзия причинности была оценена с использованием стандартной процедуры, описанной в предыдущих разделах.

В результате учащиеся, подвергшиеся вмешательству (включая как опыт работы с поддельным продуктом, так и учебное пособие по экспериментальным методам), снизили вероятность введения причины (вероятность действия) и развили значительно более слабую причинную иллюзию в стандартизированная оценочная задача по сравнению с контрольной группой наивных участников, которым не проводилось вмешательство.Мы не можем быть уверены в ключевом аспекте успеха процедуры, но предполагаем, что информирование учащихся об их собственных предубеждениях может иметь решающее значение для усиления воздействия более академического объяснения научных методов на их поведение и мышление. Дальнейшие вмешательства должны быть сосредоточены на разделении ключевых компонентов, которые сделали вмешательство успешным, таких как роль начальной фазы. Результаты показывают, что вопреки распространенному мнению о том, что когнитивным предубеждениям невозможно противодействовать, существуют процедуры, которые работают и должны быть задокументированы, поскольку они могут помочь научить людей мыслить более научно и уменьшить их причинные иллюзии.

Нам неизвестны многие другие систематические исследования по уменьшению иллюзии причинной связи или даже попытки уменьшить другие предубеждения (например, Arkes, 1991; Larrick, 2004; Schmaltz and Lilienfeld, 2014). Как отмечает Lilienfeld et al. (2009) утверждают, что странно, что за последние десятилетия проводилось так много исследований когнитивных искажений, что так мало было сделано в отношении устранения искажений. Мы надеемся, что внесли свой вклад в разработку основанных на фактах стратегий, которые могут улучшить преподавание научных методов и уменьшить иллюзию причинной связи.

Обсуждение

Несколько рекомендаций о том, как уменьшить иллюзию причинности, можно извлечь из описанных экспериментов. Во-первых, мы знаем, что иллюзия причины и следствия будет слабее, когда желаемый результат случается редко. Хотя эта переменная обычно находится вне нашего контроля в условиях нулевой непредвиденной ситуации, она дает важный сигнал для предвидения условий, при которых с большей вероятностью будут наблюдаться суеверия и причинные иллюзии.

Иллюзия также будет слабее, когда вероятность причины низка.Это переменная, которую можно контролировать, и она, как было показано, влияет на иллюзию причинности во многих экспериментах в разных лабораториях (Allan and Jenkins, 1983; Wasserman et al., 1996; Perales et al., 2005; Vadillo et al., 2011). Следовательно, его можно использовать, чтобы уменьшить иллюзию. В специальной рекламе продукта упоминаются только те случаи, в которых присутствует причина (использование продукта) и продукт работает эффективно (ячейки и экземпляры в таблице 1). Таким образом, одна очень простая стратегия, которую могут использовать правительства, — это убедиться, что данные по этим случаям без потенциальной причины также представлены во время этих маркетинговых кампаний.Связанная с этим и даже лучшая стратегия, которую должны использовать правительства, — это обучение людей использованию данных. Правительства могли бы научить людей понимать, что им нужно запрашивать информацию о случаях отсутствия причины, когда такая информация недоступна. Другими словами, правительства могут научить людей (не только студентов, изучающих естественные науки), как лучше использовать научное мышление в своей повседневной жизни.

Эксперименты также показали, что влияние вероятности причины (смещение плотности причин) также косвенно наблюдается, когда кто-то находится в депрессии, потому что он более пассивен.В более широком смысле, этот эффект также наблюдается при любых других условиях, которые могут заставить людей уменьшить их стандартную тенденцию указывать причину практически в любом случае. Другими примерами являются случаи, когда потенциальная причина является дорогостоящей или имеет нежелательные побочные эффекты. В таких случаях люди не часто называют причину и, таким образом, могут узнать, что происходит, когда они ничего не делают. Точно так же иллюзия также слабее, когда люди просто наблюдают, что причина и следствие сосуществуют, чем когда их собственное поведение является потенциальной причиной.Более того, иллюзия сильнее, когда люди пытаются добиться результата, например, когда врач в отделении неотложной помощи пытается помочь пациентам. Это контрастирует со случаями, когда люди пытаются определить степень своей причинности, например, когда ученый проверяет влияние лекарства на проблему со здоровьем.

Кроме того, есть случаи, когда результаты меняются, например, когда за причиной следует нежелательное событие, как в условиях, подобных наказанию. Существуют также случаи, когда применяются принципы конкуренции сигналов, потому что существует более одной потенциальной причины, при этом некоторые причины препятствуют одновременному возникновению других причин.Эти эффекты конкуренции сигналов уменьшают иллюзию в одних случаях и усиливают ее в других. Это означает, что существует множество переменных, которые в настоящее время очень хорошо известны, были протестированы во многих экспериментах и имеют предсказуемые эффекты. Таким образом, теперь мы можем предвидеть случаи, которые вызовут более сильную или более слабую иллюзию у большинства людей. Это знание можно использовать, чтобы сделать людей более бдительными, когда иллюзии наиболее вероятны. Мы также знаем из экспериментов, что во всех случаях иллюзию можно уменьшить, если научить людей уменьшать вероятность введения потенциальной причины путем изучения основных принципов научного контроля и экспериментальной парадигмы.

Имея это в виду, мы обрисовали в общих чертах образовательную стратегию в качестве примера того, что можно сделать, чтобы предоставить подросткам инструмент, позволяющий им стать менее уязвимыми для иллюзии причинной связи. Основная идея не нова. Он должен состоять из обучения научному мышлению и применению основных научных принципов в областях, представляющих их собственные интересы. Процедура включает в себя стратегию мотивации подростков научиться защищать себя от собственных предубеждений. Это важнейшая часть обучения научному мышлению.Многие люди не заинтересованы в изучении научного мышления, потому что они не осознают, что им нужно исправлять собственные предубеждения в повседневной жизни. Однако, как только людям покажут, насколько их интуиция подвержена ошибкам, они должны захотеть узнать об инструментах для предотвращения ошибок. Один из способов мотивировать людей — победить их, прежде чем предлагать учебное пособие (Barberia et al., 2013). Другой — показать им примеры распространенных суеверий, псевдонаук и мифов, в которые они могут поверить, чтобы они могли узнать, в чем заключается их ошибка и как использовать научное мышление для ее преодоления (Schmaltz and Lilienfeld, 2014).

Мы свели большинство условий, ведущих к ослаблению иллюзии причинности в литературе, до случаев, в которых причина была представлена с вероятностью, близкой к 50%. Контроль вероятности потенциальной причины — очень важный фактор в уменьшении иллюзии, что было показано во многих различных экспериментах. Действительно, этот подход лежит в основе экспериментального метода. Если мы посмотрим, как ученые манипулируют вероятностью причины, когда они проводят эксперимент, они могут избежать того, чтобы 50 участников в одной группе и 5 — в другой, или они могут попытаться придать группам с наличной и отсутствующей причиной одинаковый вес и размер.Однако очевидно, что это не единственный фактор. Уменьшение когнитивных предубеждений и необоснованных убеждений было продемонстрировано путем поощрения более аналитического и отдаленного стиля мышления, в отличие от интуитивного, быстрого и более эмоционального образа мышления по умолчанию в ситуациях, которые не обязательно загрязнены высокой вероятностью потенциальная причина (Frederick, 2005; Kahneman, 2011; Stanovich, 2011; Ziegler, Tunney, 2012; Evans, Stanovich, 2013). Это включает сокращение религиозных и телеологических убеждений (Gervais and Norenzayan, 2012; Kelemen et al., 2013), а также снижение некоторых когнитивных предубеждений, таких как предвзятость подтверждения (Galinsky, Moskowitz, 2000; Galinsky, Ku, 2004) и фрейминг (Keysar et al., 2012; Costa et al., 2014). Наши предварительные исследования показывают, что этот подход, основанный на литературе по общим когнитивным искажениям, также может помочь уменьшить иллюзию причинности (Díaz-Lago and Matute, 2014).

As Lilienfeld et al. (2009) отметили, что разработка всемирной стратегии уменьшения когнитивных искажений станет величайшим вкладом, который психология может внести в человечество, поскольку она устранит столько страданий и нетерпимости.Мы рассмотрели некоторые свидетельства о двух из этих предубеждений — иллюзии причинной связи и иллюзии контроля — и о том, как их можно уменьшить. Мы надеемся, что это будет способствовать повышению осведомленности об этих предубеждениях и способах их эффективного уменьшения в реальной жизни. Конечно, это не означает, что аналитическое мышление всегда должно быть предпочтительнее быстрой интуиции. Как многие уже отметили, бывают случаи, когда интуитивные суждения более точны, чем аналитические (Kruglanski, Gigerenzer, 2011; Phua, Tan, 2013; Evans, 2014).Таким образом, цель обучения научным методам должна заключаться не только в овладении способностью к научному мышлению, но, возможно, что наиболее важно, в способности определять, когда следует использовать этот способ мышления.

Заявление о конфликте интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Благодарности

Поддержка этого исследования была предоставлена грантом PSI2011-26965 от Главного управления расследований правительства Испании и грантом IT363-10 от Департамента образования, Universidades e Investigación правительства Басков.

Сноски

Обратите внимание, что все описанные ниже ситуации не связаны ни с корреляцией, ни с причинно-следственной связью. Их не следует путать с ситуациями, ведущими к хорошо известному смещению cum hoc ergo propter hoc , в котором люди предполагают, что существует причинная связь, когда существует только корреляция.

Список литературы

Эшлеман, С. Р., Розен, К. С., и Уильямс, М. Р. (2003). Влияние произвольных операций отрицательного и положительного подкрепления на приобретение суеверного поведения. Behav. Процессы 61, 37–45. DOI: 10.1016 / S0376-6357 (02) 00158-4

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Аллан, Л. Г. (1980). Примечание об измерении непредвиденных обстоятельств между двумя двоичными переменными в задачах оценки. Бык. Психон. Soc. 15, 147–149.

Google Scholar

Аллан, Л. Г. (1993). Человеческие суждения о непредвиденных обстоятельствах: основанные на правилах или ассоциативные? Psychol. Бык. 114, 435–448.

Google Scholar

Аллан, Л.Г. и Дженкинс, Х. М. (1980). Оценка непредвиденных обстоятельств и природа альтернативных ответных мер. Кан. J. Exp. Psychol. 34, 1–11. DOI: 10,1037 / h0081013

CrossRef Полный текст | Google Scholar

Аллан, Л. Г., и Дженкинс, Х. М. (1983). Эффект представлений двоичных переменных на оценку влияния. ЖЖ. Мотив. 14, 381–405. DOI: 10.1016 / 0023-9690 (83)

-3
CrossRef Полный текст | Google Scholar
Сплав, Л.Б., и Абрамсон, Л. Ю. (1979). Суждение о непредвиденных обстоятельствах у депрессивных и недепрессивных студентов: печальнее, но мудрее? J. Exp. Psychol. Gen. 108, 441–485. DOI: 10.1037 / 0096-3445.108.4.441
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Сплав, Л. Б., и Абрамсон, Л. Ю. (1988). «Депрессивный реализм: четыре теоретических взгляда», в Cognitive Processes in Depression , ed. Л. Б. Аллой (Нью-Йорк, штат Нью-Йорк: издательство Гилфордского университета), 223–265.
Google Scholar
Сплав, Л.Б., Абрамсон Л. Ю., Косман Д. А. (1985). «Суждение о предсказуемости депрессивных и недепрессивных студентов колледжей», в Affect, Conditioning, and Cognition: Essays on the Determinants of Behavior , ред. Ф. Р. Браш и Дж. Б. Овермьер (Хиллсдейл, штат Нью-Джерси: Лоуренс Эрлбаум), 229–246.
Google Scholar
Сплав, Л. Б., и Клементс, К. М. (1992). Иллюзия контроля: неуязвимость к негативным аффектам и депрессивным симптомам после лабораторных и естественных стрессоров. J. Abnorm. Psychol. 101, 234–245.
PubMed Аннотация | Google Scholar
Алонсо, Э., Мондрагон, Э., и Фернандес, А. (2012). Java-симулятор модели ошибок предсказания Рескорлы и Вагнера и конфигурационных расширений подсказок. Comput. Методы Программы 108, 346–355. DOI: 10.1016 / j.cmpb.2012.02.004
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Аркес, Х. Р. (1991). Издержки и выгоды от ошибок суждения: последствия для устранения искажений. Psychol. Бык. 110, 486–498. DOI: 10.1037 // 0033-2909.110.3.486
CrossRef Полный текст | Google Scholar
Барберия И., Бланко Ф., Кубильяс К. П. и Матуте Х. (2013). Осуществление и оценка вмешательства для устранения причинно-следственных иллюзий у подростков. PLoS ONE 8: e71303. DOI: 10.1371 / journal.pone.0071303
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Бекерс Т., Де Хауэр Дж. И Матуте Х. (2007). Человеческое обучение в непредвиденных обстоятельствах: последние тенденции в исследованиях и теории. Специальный выпуск Ежеквартального журнала экспериментальной психологии . Хоув: Psychology Press.
Google Scholar
Бланко Ф., Барберия И. и Матуте Х. (2014). Отсутствие побочных эффектов неэффективного лечения способствует формированию уверенности в его эффективности. PLoS ONE 9: e84084. DOI: 10.1371 / journal.pone.0084084
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Бланко, Ф., и Матуте, Х. (2015). Изучение факторов, поощряющих иллюзии контроля: случай превентивных иллюзий. Exp. Psychol. 62, 131–142. DOI: 10.1027 / 1618-3169 / a000280
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Бланко Ф., Матуте Х. и Вадилло М. А. (2010). Непредвиденные обстоятельства используются для подготовки к результатам: последствиям для функционального анализа обучения. Психон. Бык. Ред. 17, 117–121. DOI: 10.3758 / PBR.17.1.117
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Бланко, Ф., Матуте, Х., Вадилло, М.А. (2011). Делать неконтролируемое управляемым: роль действия в иллюзии контроля. Q. J. Exp. Psychol. 64, 1290–1304. DOI: 10.1080 / 17470218.2011.552727
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Бланко Ф., Матуте Х. и Вадилло М. А. (2013). Интерактивные эффекты вероятности сигнала и вероятности исхода на переоценку нулевого непредвиденного обстоятельства. ЖЖ. Behav. 41, 333–340.DOI: 10.3758 / s13420-013-0108-8
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Бланко, Х., Матуте, Х., Вадилло, М.А. (2009). Депрессивный реализм: мудрее или тише? Psychol. Рек. . 59, 551–562.
Google Scholar
Блум, К. М., Венард, Дж., Харден, М., и Ситараман, С. (2007). Безусловные графики позитивного и негативного подкрепления суеверного поведения. Behav. Процесс. 75, 8–13. DOI: 10.1016 / j.beproc.2007.02.010
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Блюм, С. Х., и Блюм, Л. Х. (1974). Что можно и чего нельзя: неформальное изучение некоторых распространенных суеверий. Psychol. Rep. 35, 567–571. DOI: 10.2466 / pr0.1974.35.1.567
CrossRef Полный текст | Google Scholar
Боддез, Ю., Хэзен, К., Байенс, Ф., и Бекерс, Т. (2014). Избирательность в ассоциативном обучении: структура когнитивной стадии для блокирования явлений конкуренции и подсказки. Фронт. Psychol. 5: 1305. DOI: 10.3389 / fpsyg.2014.01305
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Бюнер М. Дж., Ченг П. В. и Клиффорд Д. (2003). От ковариации к причинно-следственной связи: проверка допущения о причинной силе. J. Exp. Psychol. Учиться. Mem. Cogn. 29, 1119–1140. DOI: 10.1037 / 0278-7393.29.6.1119
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Байром, Н. К., Мсетфи, Р., М., и Мерфи, Р.А. (2015). Два пути к причинному контролю: использование и доступность информации в окружающей среде у людей с признаками депрессии и без них. Acta Psychol. 157, 1–12. DOI: 10.1016 / j.actpsy.2015.02.004
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Кэрролл Р. (2015). Слишком богат, чтобы заболеть? Вспышка кори в Диснейленде отражает тенденцию против вакцинации. Хранитель . Доступно на: http://www.theguardian.com [доступ 6 февраля 2015 г.].
Google Scholar
Чепмен, Г. Б., и Роббинс, С. Дж. (1990). Взаимодействие с подсказками в человеческом суждении о непредвиденных обстоятельствах. Mem. Cogn. 18, 537–545.
PubMed Аннотация | Google Scholar
Кобос, П. Л., Лопес, Ф. Дж., Каньо, А., Альмарас, Дж., И Шанкс, Д. Р. (2002). Механизмы прогностической и диагностической причинной индукции. J. Exp. Psychol. Anim. Behav. Процесс. 28, 331–346. DOI: 10.1037 / 0097-7403.28.4.331
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Кобос, П.Л., Лопес Ф. Дж. И Луке Д. (2007). Взаимодействие между сигналами одного и того же результата зависит от причинной интерпретации событий. Q. J. Exp. Psychol. 60, 369–386. DOI: 10.1080 / 17470210601000961
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Коллинз Д. Дж. И Шанкс Д. Р. (2006). Соответствие теории причинной индукции силовой ПК зависит от типа исследуемого вопроса. Q. J. Exp. Psychol. 59, 225–232. DOI: 10.1080 / 17470210500370457
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Коста, А., Фукар, А., Арнон, И., Апаричи, М., и Апестегия, Дж. (2014). «Пиенса» дважды: о влиянии иностранного языка на принятие решений. Познание 130, 236–254. DOI: 10.1016 / j.cognition.2013.11.010
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Крокер Дж. (1981). Суждение о ковариации со стороны социальных воспринимающих. Psychol. Бык. 90, 272–292. DOI: 10.1037 // 0033-2909.90.2.272
CrossRef Полный текст | Google Scholar
Крокер, Дж.(1982). Предвзятые вопросы в оценке ковариационных исследований. чел. Soc. Psychol. Бык. 8, 214–220. DOI: 10.1177 / 0146167282082005
CrossRef Полный текст | Google Scholar
Де Хауэр, Дж., Вандорп, С., и Бекерс, Т. (2007). Статистические непредвиденные обстоятельства по-разному влияют на подготовительные суждения, чем на причинно-следственные. Q. J. Exp. Psychol. 60, 418–432. DOI: 10.1080 / 17470210601001084
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Диас-Лаго, М., и Матуте, Х. (2014). Иностранный язык уменьшает иллюзию причинности. Документ, представленный на совместном заседании Экспериментального общества «Сосьедад Эспаньола де Псикология» (СЕПЕКС) и Сосьедад Эспаньола де Псикофизиология у Нейроциенсия когнитива и афектива (СЕПНЕКА). Мурсия, испания.
Google Scholar
Эйзер, Дж. Р., Стаффорд, Т., Хеннберри, Дж. И Кэтни, П. (2009). «Поверьте мне, я ученый (а не разработчик)»: воспринимаемый опыт и мотивы как предикторы доверия при оценке риска, связанного с загрязненной землей. Risk Anal. 29, 288–297. DOI: 10.1111 / j.1539-6924.2008.01131.x
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Эрнст, Э. (2015). Ученый в стране чудес: воспоминания о поисках истины и поиске проблем . Эксетер: Выходные данные Academic.
Google Scholar
Европейская комиссия. (2005). Специальный Евробарометр 224: Европейцы, наука и технологии. Отчет EBS № 224. Брюссель: Европейская комиссия.
Google Scholar
Европейская комиссия.(2010). Специальный евробарометр 340: Наука и технологии . Отчет EBS № 340. Брюссель: Европейская комиссия.
Google Scholar
Эванс, Дж. С. Б. Т., Станович, К. Э. (2013). Теории двойного процесса высшего познания: продвижение дискуссии. Перспектива. Psychol. Sci. 8, 223–241. DOI: 10.1177 / 1745691612460685
CrossRef Полный текст | Google Scholar
Фредерик, С. (2005). Когнитивное размышление и принятие решений. Дж.Экон. Перспектива. 19, 25–42. DOI: 10.1257 / 089533005775196732
CrossRef Полный текст | Google Scholar
Фрекелтон И. (2012). Смерть от гомеопатии: вопросы гражданского, уголовного и коронарного права и политики здравоохранения. J. Law Med. 19, 454–478.
PubMed Аннотация | Google Scholar
Галинский А.Д., Ку Г. (2004). Влияние взгляда на перспективу на предрассудки: сдерживающая роль самооценки. Личный. Soc. Psychol.Бык. 30, 594–604. DOI: 10.1177 / 0146167203262802
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Галинский А., Московиц Г. (2000). Взгляд на перспективу: уменьшение выраженности стереотипов, доступность стереотипов и групповое фаворитизм. J. Pers. Soc. Psychol. 78, 708–724. DOI: 10.1037 / 0022-3514.78.4.708
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Гоф Д., Трипни Дж., Кенни К. и Бук-Бердж Э.(2011). Доказательно обоснованная политика в области образования в Европе : Заключительный отчет проекта EIPEE . Лондон: Институт образования Лондонского университета.
Google Scholar
Хаберман, К. (2015). Продолжающееся влияние дискредитированного исследования вакцины на общественное здравоохранение. Нью-Йорк Таймс . Доступно на: http://www.nytimes.com [доступ 6 февраля 2015 г.].
Google Scholar
Гамильтон, Д. Л., и Гиффорд, Р. К. (1976). Иллюзорная корреляция в межличностном восприятии: когнитивная основа стереотипных суждений. J. Exp. Soc. Psychol. 12, 392–407. DOI: 10.1016 / S0022-1031 (76) 80006-6
CrossRef Полный текст | Google Scholar
Ханна, С. Д., Бенето, Дж. Л. (2009). Просто скажите мне, что мне делать: вернуть экспериментатор контроль в активных задачах непредвиденных обстоятельств с помощью процедуры выполнения команд и обнаруживать эффекты плотности реплики на этом пути. Кан. J. Exp. Psychol. 63, 59–73. DOI: 10.1037 / a0013403
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Комитет по науке и технологиям Палаты общин.(2010). Проверка доказательств 2: Гомеопатия . Отчет ВКНТЦ № 4 о сессии 2009–2010 гг. Лондон: канцелярия.
Google Scholar
Джонсон, Д. Д. П. (2004). Самоуверенность и война: хаос и слава позитивных иллюзий . Кембридж, Массачусетс: Издательство Гарвардского университета.
Google Scholar
Канеман Д. (2011). Мыслить быстро и медленно . Нью-Йорк: Фаррар, Штраус и Жиру.
Google Scholar
Као, С.-F., И Вассерман, Э.А. (1993). Оценка интеграции информации при оценке непредвиденных обстоятельств с изучением субъективной важности ячеек и метода представления информации. J. Exp. Psychol. Учиться. Mem. Cogn. 19, 1363–1386. DOI: 10.1037 / 0278-7393.19.6.1363
CrossRef Полный текст | Google Scholar
Келемен Д., Роттман Дж. И Сестон Р. (2013). Профессиональные ученые-физики демонстрируют стойкие телеологические тенденции: целенаправленное рассуждение как когнитивный дефолт. J. Exp. Psychol. Gen. 142, 1074–1083. DOI: 10.1037 / a0030399
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Кейсар Б., Хаякава С. и Ан С. Г. (2012). Эффект иностранного языка: мышление на иностранном языке снижает предвзятость при принятии решений. Psychol. Sci. 23, 661–668. DOI: 10.1177 / 0956797611432178
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Клар Д. и Нигам М. (2004). Эквивалентность траекторий обучения в раннем научном обучении: эффекты прямого обучения и обучения открытию. Psychol. Sci. 15, 661–667. DOI: 10.1111 / j.0956-7976.2004.00737.x
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Корнброт, Д. Э., Мсетфи, Р. М., и Гримвуд, М. Дж. (2013). Восприятие времени и депрессивный реализм: тип суждения, психофизические функции и предвзятость. PLoS ONE 8: e71585. DOI: 10.1371 / journal.pone.0071585
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Лагнадо Д. А., Вальдманн М. Р., Хагмайер Ю., и Сломан, С.А. (2007). «За пределами ковариации: признаки причинной структуры», в Причинное обучение: психология, философия и вычисления , ред. А. Гопник и Л. Шульц (Нью-Йорк: издательство Оксфордского университета), 154–172.
Google Scholar
Лангер, Э. Дж., И Рот, Дж. (1975). Я выигрываю, решка — шанс: иллюзия контроля как функция последовательности результатов в чисто случайной задаче. J. Pers. Soc. Psychol. 32, 951–955. DOI: 10.1037 / 0022-3514.32.6.951
CrossRef Полный текст | Google Scholar
Ларрик Р. П. (2004). «Debiasing», в Blackwell Handbook of Judgment and Decision Making , edds D. J. Koehler and N. Harvey (Oxford: Blackwell), 316–338.
Google Scholar
Левандовски, С., Эккер, У. К. Х., Зайферт, К. М., Шварц, Н., и Кук, Дж. (2012). Дезинформация и ее исправление продолжали оказывать влияние и успешно снижали качество. Psychol. Sci. Общественный интерес 13, 106–131.DOI: 10.1177 / 152
12451018
CrossRef Полный текст | Google Scholar
Лилиенфельд, С.О., Аммирати, Р., и Дэвид, М. (2012). Как отличить науку от псевдонауки в школьной психологии: наука и научное мышление как защита от человеческих ошибок. J. Sch. Psychol. 50, 7–36. DOI: 10.1016 / j.jsp.2011.09.006
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Лилиенфельд, С. О., Аммирати, Р., Лэндфилд, К. (2009). Отказ от ослабления.Могут ли психологические исследования по исправлению когнитивных ошибок способствовать благополучию человека? Перспектива. Psychol. Sci. 4, 390–398. DOI: 10.1111 / j.1745-6924.2009.01144.x
CrossRef Полный текст | Google Scholar
Лилиенфельд, С.О., Ричел, Л.А., Линн, С.Дж., Каутин, Р.Л., и Латцман, Р.Д. (2014). Почему оказывается, что неэффективная психотерапия работает: таксономия причин ложной терапевтической эффективности. Перспектива. Psychol. Sci. 9, 355–387. DOI: 10.1177 / 1745691614535216
CrossRef Полный текст | Google Scholar
Линдеман, М., и Сведхольм, А. М. (2012). Что в семестре? Паранормальные, суеверные, магические и сверхъестественные верования под любым другим названием будут означать то же самое. Rev. Gen. Psychol. 16, 241–255. DOI: 10.1037 / a0027158
CrossRef Полный текст | Google Scholar
Лопес, Ф. Дж., Шанкс, Д. Р., Альмарас, Дж., И Фернандес, П. (1998). Влияние судебного приказа на суждения о непредвиденных обстоятельствах: сравнение ассоциативных и вероятностных контрастных счетов. J. Exp. Psychol. Учиться. Mem. Cogn. 24, 672–694. DOI: 10.1037 / 0278-7393.24.3.672
CrossRef Полный текст | Google Scholar
Мальмендье, У., и Тейт, Г.А. (2005). Самоуверенность генерального директора и корпоративные инвестиции. J. Finance 60, 2661–2700. DOI: 10.1111 / j.1540-6261.2005.00813.x
CrossRef Полный текст | Google Scholar
Матуте, Х. (1995). Человеческие реакции на неконтролируемые исходы: еще одно свидетельство суеверий, а не беспомощности. Q. J. Exp. Psychol. 48, 142–157.
Google Scholar
Матуте, Х. (1996). Иллюзия контроля: обнаружение независимости ответа от результата в аналитических, но не в естественных условиях. Psychol. Sci. 7, 289–293. DOI: 10.1111 / j.1467-9280.1996.tb00376.x
CrossRef Полный текст | Google Scholar
Матуте, Х., Бланко, Ф. (2014). Уменьшение иллюзии контроля, когда за действием следуют нежелательные результаты. Психон. Бык. Ред. 21, 1087–1093. DOI: 10.3758 / s13423-014-0584-7
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Матуте, Х., Вегас, С., Де Марез, П. Дж. (2002). Гибкое использование последней информации в причинно-следственных и прогнозных суждениях. J. Exp. Psychol. Учиться. Mem. Cogn. 28, 714–725. DOI: 10.1037 / 0278-7393.28.4.714
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Мур, Д. У. (2005). Трое из четырех американцев верят в паранормальные явления . Принстон: Служба новостей Gallup.
Google Scholar
Мсетфи Р. М., Мерфи Р. А. и Симпсон Дж. (2007).Депрессивный реализм и влияние интервала между испытаниями на суждения о нулевых, положительных и отрицательных непредвиденных обстоятельствах. Q. J. Exp. Psychol. 60, 461–481. DOI: 10.1080 / 17470210601002595
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Мсетфи Р. М., Мерфи Р. А., Симпсон Дж. И Корнброт Д. Э. (2005). Депрессивный реализм и смещение плотности результатов в суждениях о непредвиденных обстоятельствах: влияние контекста и интервала между испытаниями. J. Exp. Psychol. Gen. 134, 10–22. DOI: 10.1037 / 0096-3445.134.1.10
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Мерфи, Р. А., Шмир, С., Валле-Туржо, Ф., Мондрагон, Э. и Хилтон, Д. (2011). Заставляя иллюзорный эффект корреляции появляться, а затем исчезать: эффекты усиленного обучения. Q. J. Exp. Psychol. 64, 24–40. DOI: 10.1080 / 17470218.2010.493615
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Musca, S. C., Вадилло, М.А., Бланко, Ф., Матуте, Х. (2010). Роль информации о подсказке в эффекте плотности результатов: данные моделирования нейронной сети и эксперимента по обучению причинно-следственной связи. Conn. Sci. 20, 177–192. DOI: 10.1080 / 095400623797
CrossRef Полный текст | Google Scholar
Нихан, Б., и Райфлер, Дж. (2015). Работает ли исправление мифов о вакцине от гриппа? Экспериментальная оценка воздействия корректирующей информации. Вакцина 33, 459–464.DOI: 10.1016 / j.vaccine.2014.11.017
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Пералес, Дж. К., Катена, А., Шанкс, Д. Р., и Гонсалес, Дж. А. (2005). Диссоциация между суждениями и мерами ожидаемого результата в ковариационном обучении: подход теории обнаружения сигналов. J. Exp. Psychol. Учиться. Mem. Cogn. 31, 1105–1120. DOI: 10.1037 / 0278-7393.31.5.1105
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Фуа, Д.Х., Тан Н. К. (2013). Когнитивный аспект диагностических ошибок. Ann. Акад. Med. Сингапур 42, 33–41.
PubMed Аннотация | Google Scholar
Пиненьо, О., Деннистон, Дж. К., Бекерс, Т., Матуте, Х. и Миллер, Р. Р. (2005). Противопоставление прогнозных и причинных значений предикторов и причин. ЖЖ. Behav. 33, 184–196. DOI: 10.3758 / BF03196062
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Пиненьо О., Миллер Р.Р. (2007). Сравнение ассоциативных, статистических и логических выводов объяснений непредвиденного обучения человека. Q. J. Exp. Psychol. 60, 310–329. DOI: 10.1080 / 17470210601000680
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Пронин Э., Гилович Т., Росс Л. (2004). Объективность в глазах смотрящего: разные представления о предвзятости самого себя по сравнению с другими. Psychol. Ред. 111, 781–799. DOI: 10.1037 / 0033-295X.111.3.781
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Пронин, Э., Лин, Д. Ю., Росс, Л. (2002). Слепое пятно предвзятости: восприятие предвзятости в себе по сравнению с другими. Личный. Soc. Psychol. Бык. 28, 369–381. DOI: 10.1177 / 0146167202286008
CrossRef Полный текст | Google Scholar
Пронин, Э., Вегнер, Д. М., Маккарти, К., Родригес, С. (2006). Повседневные магические силы: роль очевидной ментальной причинности в переоценке личного влияния. J. Pers. Soc. Psychol. 91, 218–231. DOI: 10.1037 / 0022-3514.91.2,218
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Рескорла Р. А. и Вагнер А. Р. (1972). «Теория Павловского кондиционирования: вариации эффективности подкрепления и отсутствия подкрепления», в Classical Conditioning II: Current Research and Theory , ред. А. Х. Блэк и В. Ф. Прокаси (Нью-Йорк: Appleton-Century Crofts), 64–99.
Google Scholar
Шмальц Р., Лилиенфельд С. О. (2014). Призраки, гомеопатия и гоблины Хопкинсвилля: использование псевдонауки для обучения научному мышлению. Фронт. Psychol. 5: 336. DOI: 10.3389 / fpsyg.2014.00336
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Шварц, Н., Санна, Л., Скурник, И., и Юн, К. (2007). Метакогнитивный опыт и сложности установления правонарушений: последствия для кампаний по опровержению и общественной информации. Adv. Exp. Soc. Psychol. 39, 127–161. DOI: 10.1016 / S0065-2601 (06) 39003-X
CrossRef Полный текст | Google Scholar
Шакли, Х., и Мимс, М. (1981). Развитие использования правил в суждениях о ковариации событий. Child Dev. 52, 317–325.
Google Scholar
Shang, A., Huwiler-Müntener, K., Nartey, L., Jüni, P., Dörig, S., Sterne, J. A., et al. (2005). Являются ли клинические эффекты гомеопатии эффектами плацебо? Сравнительное исследование плацебо-контролируемых исследований гомеопатии и аллопатии. Ланцет 366, 726–732. DOI: 10.1016 / S0140-6736 (05) 67177-2
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Шанкс, Д.Р. и Дикинсон А. (1987). «Ассоциативные объяснения суждения о причинности», in The Psychology of Learning and Motivation , Vol. 21, изд. Г. Х. Бауэр (Сан-Диего, Калифорния: Academic Press), 229–261.
Google Scholar
Шанкс, Д. Р., Холиоук, К. Дж., И Медин, Д. Л. (редакторы) (1996). Психология обучения и мотивации : Vol. 34. Причинное обучение. Сан-Диего, Калифорния: Academic Press.
Google Scholar
Шанкс, Д. Р., Пирсон, С.М., и Дикинсон, А. (1989). Смежность во времени и суждение о причинности человеческими субъектами. Q. J. Exp. Psychol. 41B, 139–159.
Google Scholar
Сингх С. и Эрнст Э. (2008). Уловка или лечение: неоспоримые факты об альтернативной медицине . Нью-Йорк: WW Norton & Company.
Google Scholar
Станович, К. Э. (2011). Рациональность и рефлексивный разум . Нью-Йорк: Издательство Оксфордского университета.
Google Scholar
Стивенс А. Н., Оцука К. (2014). Когнитивные предубеждения у агрессивных водителей: отвлекает ли нас иллюзия контроля от дороги? Личный. Индивидуальный. Отличаются. 68, 124–129. DOI: 10.1016 / j.paid.2014.04.016
CrossRef Полный текст | Google Scholar
Тейлор, С. Э., и Браун, Дж. Д. (1988). Иллюзия и благополучие: социально-психологическая перспектива психического здоровья. Psychol. Бык. 103, 192–210. DOI: 10.1037 / 0033-2909.103.2.193
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Вадилло, М.А., Матуте, Х., и Бланко, Ф. (2013). Борьба с иллюзией контроля: как использовать соревнование киев и альтернативные объяснения. Univ. Psychol. 12, 261–270.
Google Scholar
Вадилло, М.А., Миллер, Р.Р., Матуте, Х. (2005). Причинно-следственные и прогностические суждения, но не прогнозы, основаны на непредвиденных обстоятельствах. ЖЖ. Behav. 33, 172–183. DOI: 10.3758 / BF03196061
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Вадилло, М.А., Муска, С.С., Бланко, Ф., и Матуте, Х. (2011). Противопоставление эффектов плотности реплики в причинно-следственных и предсказательных суждениях. Психон. Бык. Ред. 18, 110–115. DOI: 10.3758 / s13423-010-0032-2
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Вальдманн М. Р. и Холиоук К. Дж. (1992). Прогностическое и диагностическое обучение в рамках причинно-следственных моделей: асимметрии в соревновании киев. J. Exp. Psychol. Gen. 121, 222–236. DOI: 10.1037 / 0096-3445.121.2.222
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Вассерман, Э. А. (1990). «Выявление отношений ответ-результат: к пониманию причинной структуры окружающей среды», в Психология обучения и мотивации , Vol. 26, изд. Г. Х. Бауэр (Сан-Диего, Калифорния: Academic Press), 27–82.
Google Scholar
Вассерман, Э.А., Элек, С.М., Чатлош, Д.Л. и Бейкер А. Г. (1993). Рейтинг причинно-следственных связей: роль вероятности в суждениях о непредвиденных обстоятельствах ответ-результат. J. Exp. Psychol. Учиться. Mem. Cogn. 19, 174–188. DOI: 10.1037 / 0278-7393.19.1.174
CrossRef Полный текст | Google Scholar
Вассерман, Э. А., Као, С.-Ф., Ван Хамм, Л. Дж., Катагари, М., и Янг, М. Э. (1996). «Причинно-следственная связь и ассоциация», в Психология обучения и мотивации , Vol. 34: Причинное обучение , ред.Р. Шанкс, К. Дж. Холиоук и Д. Л. Медин (Сан-Диего, Калифорния: Academic Press), 207–264.
Google Scholar
Вассерман, Э. А., и Нойнабер, Д. Дж. (1986). Реакция студентов колледжа на отношения непредвиденных обстоятельств и их оценка: роль временной смежности. J. Exp. Анальный. Behav. 46, 15–35. DOI: 10.1901 / jeab.1986.46-15
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Уиллингем Д. Т. (2007). Критическое мышление: почему так сложно учить? Am.Educ. 31, 8–19. DOI: 10.3200 / AEPR.109.4.21-32
CrossRef Полный текст | Google Scholar
Ярриту И., Матуте Х. и Луке Д. (2015). Темная сторона когнитивных иллюзий: когда иллюзорное убеждение мешает приобретению знаний, основанных на доказательствах. руб. J. Psychol. doi: 10.1111 / bjop.12119 [Epub перед печатью].
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Циглер, Ф. В., и Танни, Р. Дж. (2012). Решения для других становятся менее импульсивными, чем дальше они находятся на семейном древе, PLoS ONE 7: e49479.DOI: 10.1371 / journal.pone.0049479
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Перестаньте путать корреляцию с причинно-следственной связью
Мы должны научиться анализировать данные и оценивать причинно-следственные связи — навык, который становится все более важным для руководителей бизнеса и правительства. Один из способов добиться этого — подчеркнуть ценность экспериментов в организациях. Большое количество исследований в области поведенческой экономики и психологии выявило систематические ошибки, которые мы можем совершать при просмотре данных.Мы склонны искать доказательства, подтверждающие наши предвзятые представления, и игнорировать данные, которые могут противоречить нашим гипотезам. Мы пренебрегаем важными аспектами способа создания данных. В более широком смысле, можно легко сосредоточиться на данных, находящихся перед вами, даже когда самые важные данные отсутствуют. Это может привести к ошибкам и предотвратимым бедствиям, независимо от того, принимает ли решение частное лицо, компания или правительство.
Нам всем говорили, что корреляция не подразумевает причинно-следственной связи.Тем не менее, многие лидеры бизнеса, выборные должностные лица и средства массовой информации по-прежнему делают причинно-следственные связи, основанные на вводящих в заблуждение корреляциях. Эти утверждения слишком часто не исследуются, расширяются и ошибочно используются для принятия решений.
Примеров предостаточно: рассмотрим недавнее исследование здоровья, цель которого — понять, может ли принятие ванн снизить риск сердечно-сосудистых заболеваний. Анализ показал, что люди, которые регулярно принимали ванну, реже страдали сердечно-сосудистыми заболеваниями или инсультами. Авторы приходят к выводу, что полученные данные говорят о «благотворном действии» ванн.Без контролируемого эксперимента или естественного эксперимента, в котором субъекты выбираются случайным образом и без манипуляций с переменными, трудно понять, является ли эта связь причинной. Например, вполне возможно, что люди, регулярно принимающие ванну, обычно менее подвержены стрессу и имеют больше свободного времени для отдыха, что может быть реальной причиной того, что у них более низкий уровень сердечных заболеваний. Тем не менее, эти результаты были широко распространены с заголовками вроде: «Принятие ванны — это не просто расслабление. Это также может быть полезно для вашего сердца.”
Большое количество исследований в области поведенческой экономики и психологии выявило систематические ошибки, которые мы можем совершать при просмотре данных. Мы склонны искать доказательства, подтверждающие наши предвзятые представления, и игнорировать данные, которые могут противоречить нашим гипотезам. Мы пренебрегаем важными аспектами способа создания данных. В более широком смысле, можно легко сосредоточиться на данных, находящихся перед вами, даже когда самые важные данные отсутствуют. Как сказал лауреат Нобелевской премии Даниэль Канеман, может сложиться впечатление, что «то, что вы видите, — это все, что есть.”
Это может привести к ошибкам и предотвратимым бедствиям, независимо от того, принимает ли решение частное лицо, компания или правительство. Мир все больше наполняется данными, и нас регулярно засыпают фактами и цифрами. Мы должны научиться анализировать данные и оценивать причинно-следственные связи — навык, который становится все более важным для руководителей бизнеса и правительства. Один из способов добиться этого — подчеркнуть ценность экспериментов в организациях.
Как неподтвержденные причинные претензии приводят организации к заблуждению
В статье Washington Post за 2020 год была исследована взаимосвязь между расходами полиции и преступностью.В нем сделан вывод, что «Обзор расходов на полицию штата и местную полицию за последние 60 лет… не показывает корреляции между расходами и уровнем преступности на национальном уровне». Эта корреляция вводит в заблуждение. Важной движущей силой расходов полиции является текущий уровень преступности, который создает сценарий «курица и яйцо». Причинно-следственное исследование , по сути, показало, что увеличение количества полицейских ведет к снижению преступности.
В 2013 году eBay тратил около 50 миллионов долларов в год на рекламу в поисковых системах.Анализ, проведенный консультантами, показал, что в тех областях, где было показано больше рекламы, продажи были выше. Однако экономисты Том Блейк, Крис Носко и Стив Таделис подтолкнули компанию к более критическому осмыслению причинно-следственной связи. Они проанализировали естественные эксперименты и провели новое рандомизированное контролируемое испытание и обнаружили, что эти рекламные объявления были в значительной степени бесполезными, несмотря на то, что команда маркетологов ранее считала. Рекламные объявления были нацелены на людей, которые уже могли делать покупки на eBay.
Уже существующие намерения целевых клиентов о покупке были ответственны за показ рекламы. и — за решения о покупке. Маркетинговая команда eBay совершила ошибку, недооценив этот фактор и вместо этого предположив, что наблюдаемая корреляция является результатом рекламы, вызывающей покупки. Если бы eBay исследовал другие факторы, которые могли быть ответственны за корреляцию, они, вероятно, избежали бы ошибки.
Yelp преодолел аналогичную проблему в 2015 году.Консультационный отчет показал, что компании, которые размещали рекламу на платформе, в конечном итоге зарабатывали на Yelp больше бизнеса, чем те, которые не размещали рекламу на платформе. Но вот проблема: компании, которые расширяют свой бизнес с помощью Yelp, могут с большей вероятностью размещать рекламу. Мы с бывшим операционным директором обсудили эту проблему и решили провести крупномасштабный эксперимент, в ходе которого были разосланы пакеты рекламных объявлений тысячам случайно выбранных компаний. Ключом к успешному выполнению этого эксперимента было определение факторов, влияющих на корреляцию.Мы обнаружили, что реклама Yelp действительно оказывала положительное влияние на продажи, и это дало Yelp новое представление о влиянии рекламы.
Исследования причинно-следственных связей Нобелевского комитета
Ландшафт эмпирической экономики резко изменился за последние сорок лет. В области экономики разработан набор навыков, направленных на оценку причинно-следственных связей. За эту работу присуждены две из трех последних Нобелевских премий. Два года назад Абхиджит Банерджи, Эстер Дюфло и Майкл Кремер разделили Нобелевскую премию за «их экспериментальный подход к борьбе с глобальной бедностью».В этом году экономисты Джош Ангрист, Гвидо Имбенс и Дэвид Кард получили Нобелевскую премию за то, что они возглавили то, что Ангрист назвал «революцией доверия» в экономике. Комитет похвалил Ангриста и Имбенса за «их методологический вклад в анализ причинно-следственных связей» и Карда за «его эмпирический вклад в экономику труда». Они пионеры в исследованиях естественных экспериментов.
Разработка инструментария причинно-следственного вывода была замечательной, и работа лауреатов Нобелевской премии поистине вдохновляет.Но вам не нужно быть экономистом с докторской степенью, чтобы более тщательно обдумывать причинно-следственные связи. Хорошее место для начала — потратить время на то, чтобы понять процесс, генерирующий данные, которые вы просматриваете. Вместо того, чтобы предполагать, что корреляция отражает причинно-следственную связь (или что отсутствие корреляции отражает отсутствие причинно-следственной связи), спросите себя, какие различные факторы могут управлять корреляцией — и могут ли они смещать наблюдаемые вами отношения и каким образом. В некоторых случаях вы будете уверены, что эти отношения имеют причинную связь.В других случаях вы можете решить не доверять открытию.
Если вас беспокоит, что корреляция не может быть причинной, эксперименты могут стать хорошей отправной точкой. Такие компании, как Amazon и Booking.com, ставят эксперименты в основу процесса принятия решений. Но эксперименты не всегда возможны. В таких случаях вам следует подумать и найти другие доказательства, которые могут пролить свет на вопрос, который вы задаете. В некоторых случаях вы можете даже найти собственный хороший естественный эксперимент.
Причинный вывод. Ответы на причинно-следственные связи с помощью Python | Шаухин Талеби | Октябрь 2021 г.
Отвечая на вопросы о причинно-следственных связях с помощью Python
Это второй пост из трех статей о причинно-следственной связи. В предыдущем посте я представил эту «новую науку о причине и следствии» [1] и дал представление о причинном умозаключении и причинном открытии. В этом посте мы углубимся в некоторые детали причинно-следственного вывода и закончим конкретным примером на Python.
Пример причинно-следственной сети.Изображение автора.
В последнем посте я обсуждал, как причинно-следственная связь может быть представлена математически через Структурные причинно-следственные модели (SCM) . SCM состоят из двух частей: графика, который визуализирует причинно-следственные связи, и уравнений, которые выражают детали этих связей.
Напомним, что граф — это математическая конструкция , состоящая из вершин (узлов) и ребер (связей) . Здесь я буду использовать термины граф и сеть как синонимы.В SCM используется особый вид графа, называемый направленным ациклическим графом (DAG) , для которого все ребра ориентированы и циклов не существует. Группы DAG — это обычная отправная точка для причинно-следственного вывода.
Байесовские сети и причинные сети
При первом изучении этого предмета для меня неоднозначностью была разница между байесовскими сетями и причинными сетями . Кратко отмечу разницу. Просвещенный читатель может пропустить этот раздел.
На первый взгляд байесовская и причинно-следственная сети полностью идентичны.Однако разница заключается в их интерпретациях. Рассмотрим пример на рисунке ниже.
Пример сети, которую можно интерпретировать как байесовскую, так и причинную. Пример огня и дыма взят из Жемчужины [1]. Изображение автора.
Здесь у нас есть сеть с 2 узлами (значок огня и значок дыма) и 1 ребро (стрелка, указывающая от огня к дыму). Эта сеть может быть как байесовской, так и причинной.
Ключевое различие, однако, заключается в интерпретации этой сети. Для байесовской сети мы рассматриваем узлы как переменные и стрелку как условную вероятность , а именно вероятность задымления с учетом информации о пожаре.Интерпретируя это как причинную сеть , мы по-прежнему рассматриваем узлы как переменные , однако стрелка указывает на причинную связь . В этом случае верны обе интерпретации. Однако, если бы мы изменили направление края, интерпретация причинно-следственной сети была бы недействительной, так как дым не вызывает пожар .
Пример сети, которую можно интерпретировать как байесовскую, но не причинную. Пример огня и дыма взят из Жемчужины [1]. Изображение автора.
Причинно-следственный вывод направлен на ответы на причинно-следственные вопросы , а не только на статистические.Есть бесчисленное множество применений причинного вывода. Ответ на любой из приведенных ниже вопросов относится к категории причинно-следственных связей.
Помогло ли лечение непосредственно тем, кто его принимал?
Была ли маркетинговая кампания, которая привела к увеличению продаж в этом месяце или празднике?
Насколько сильно повышение заработной платы повлияет на производительность?
Это важные и практические вопросы, на которые нелегко ответить, используя более традиционные подходы (например,грамм. линейная регрессия или стандартное машинное обучение). Я надеюсь проиллюстрировать, как причинный вывод может помочь ответить на эти вопросы с помощью того, что я назову 3 дарами причинного вывода .
Подарок 1: Оператор
В последнем посте я определил причинно-следственную связь с точки зрения вмешательств. Опуская некоторые технические детали, было сказано, что X вызывает Y, если вмешательство в X приводит к изменению Y, в то время как вмешательство в Y не обязательно приводит к изменению X. Вмешательства легко понять в реальном мире (например, когда пристрастие вашего друга к конфетам выходит из-под контроля), однако как это вписывается в математическое представление причинности? Введите до-оператора.
Оператор действия является математическим представлением физического вмешательства . Если мы начнем с модели Z → X → Y, мы можем смоделировать вмешательство в X, удалив все входящие стрелки на X и вручную установив X на некоторое значение x_0.
Иллюстрация того, как работает do-operator. Изображение автора.
Сила do-operator позволяет нам моделировать эксперименты , учитывая, что мы знаем детали причинных связей. Например, предположим, что мы хотим спросить: «А ли увеличение маркетингового бюджета приведет к увеличению продаж?» Если мы вооружимся причинно-следственной моделью, которая включает в себя маркетинговые расходы и продажи, мы можем смоделировать , что произошло бы , если бы мы увеличили маркетинговые расходы, и оценить, стоит ли этого изменение в продажах (если таковые имеются).Другими словами, мы можем оценить причинно-следственный эффект маркетинга на продажи. Подробнее о причинных эффектах позже.
Главный вклад Перла и его коллег — правила do-исчисления . Это полный набор правил , описывающий, как использовать do-operator .
Примечательно, что do-исчисление может переводить интервенционных распределений (то есть вероятностей с do-оператором) в распределений наблюдений (т.е. вероятности без do-оператора). Это можно увидеть по правилам 2 и 3 на рисунке ниже.
Правила практического исчисления. Правила взяты из лекции [2]. Изображение автора.
Обратите внимание на обозначения. P (Y | X) — это условная вероятность, с которой мы все знакомы, то есть вероятность Y при наблюдении X . В то время как P (Y | do (X)) — это вероятность Y с учетом вмешательства в X .
Оператор do — ключевой инструмент в наборе причинно-следственных связей.Фактически, следующие 2 подарка полагаются на оператора.
Дар 2: Разоблачение путаницы
Заблуждение — это понятие, которое часто встречается в статистике. Хотя я не называл это по имени, это появилось в предыдущем посте через парадокс Симпсона . Простой пример смешения показан на рисунке ниже.
Простой пример смешения. Возраст — это сочетание образования и богатства. Изображение автора.
В этом примере возраст мешает образованию и богатству. Другими словами, если попытаться оценить влияние образования на благосостояние, нужно будет скорректировать на возраст. Корректировка на (или обусловливание) возраста просто означает, что, глядя на данные о возрасте, образовании и благосостоянии, можно будет сравнивать точки данных в пределах возрастных групп, а — не между возрастными группами.
Если бы возраст был , а не с поправкой на , было бы неясно, является ли образование истинной причиной богатства или просто коррелятом богатства. Другими словами, вы не можете сказать, влияет ли образование напрямую на благосостояние или имеет общую причину .
Для простых примеров, если посмотреть на группу DAG, довольно просто ввести в заблуждение. Для 3 переменных вмешивающимся фактором является переменная, указывающая на 2 другие переменные. А как насчет более сложных проблем?
Здесь оператор делает ясность. Перл использует оператор do для четкого определения смешения. Он утверждает, что сбивает с толку — это все, что приводит к тому, что P (Y | X) отличается от P (Y | do (X)) [1].
Дар 3: Оценка причинных эффектов
Этот последний подарок — главная достопримечательность причинного вывода.В жизни мы не только задаемся вопросом: почему , но и сколько? Оценка причинных эффектов сводится к ответу на второй вопрос.
Рассмотрим аспирантуру. Одно дело знать, что люди с учеными степенями зарабатывают (в основном) больше денег, чем те, у кого нет ученых степеней, но естественный вопрос: насколько это связано с их степенью? Другими словами, каково влияние диплома на доход?
Я воспользуюсь ответом на этот вопрос как возможностью проработать конкретный пример использования Python для выполнения причинно-следственного вывода.
В этом примере мы будем использовать библиотеку Microsoft DoWhy для причинно-следственного вывода [3]. Цель здесь состоит в том, чтобы оценить причинно-следственный эффект от наличия ученой степени на получение более 50 тысяч долларов в год. Данные получены из репозитория машинного обучения UCI [4]. Пример кода и данных можно найти в репозитории GitHub.
Важно подчеркнуть, что отправной точкой всех причинных выводов является причинная модель. Здесь мы предполагаем, что у дохода есть только две причины: возраст и образование, где возраст также является причиной образования.Очевидно, что в этой простой модели могут отсутствовать другие важные факторы. Мы исследуем альтернативные модели в следующем посте, посвященном обнаружению причин . Однако пока мы сосредоточимся на этом упрощенном случае.
Сначала загружаем библиотеки и данные. Если у вас нет библиотек, проверьте файл requirements.txt в репозитории.
# Импорт библиотек
import pickle
import matplotlib.pyplot as plt
import econml
import dowhy
from dowhy import CausalModel
# Load Data
df = pickle.load (open ("df_causal_inference.p", "rb"))
Снова первым шагом является определение нашей причинно-следственной модели, то есть DAG. DoWhy упрощает создание и просмотр моделей.
# Определить причинно-следственную модель
model = CausalModel (data = df,
treatment = "hasGraduateDegree",
result = "largerThan50k",
common_causes = "age",
) # Просмотреть модель 914 view_model ()
из IPython.display import Image, display display (Image (filename = "causal_model.png "))
Наша (предполагаемая) причинно-следственная модель. Изображение автора.
Далее нам нужна оценка. Это в основном рецепт, который дает нам желаемый причинный эффект. Другими словами, он говорит нам, как вычислить эффект образования. по доходу.
# Сгенерировать оценку
identify_estimand = model.identify_effect (continue_when_unidentifiable = True )
print (identify_estimand)
Результат генерации оценки. Изображение автора.
Наконец, мы вычисляем оценочный эффект на основе .Здесь мы используем метаобучающегося [5] из библиотеки EconML, который оценивает условные средние эффекты лечения для дискретных целей.
# Вычислить причинно-следственный эффект с помощью metalearner
identify_estimand_experiment = model.identify_effect (continue_when_unidentifiable = True)
из sklearn.ensemble import RandomForestRegressor
metalearner_estimate = model.estimate_effeners.TLearner ",
доверительные интервалы = False,
method_params = {
" init_params ": {'models': RandomForestRegressor ()},
" fit_params ": {}
})
print (metalearner_estimate)
Результат причинно-следственной оценки. автор.
Средний причинно-следственный эффект составляет около 0,20. Это можно интерпретировать следующим образом: наличие ученой степени увеличивает вероятность зарабатывать более 50 тысяч долларов в год на 20%. Учитывая, что это средний эффект, важно учитывать полное распределение значений, чтобы оценить, является ли среднее значение репрезентативным.
# Распечатать гистограмму причинных эффектов
plt.hist (metalearner_estimate.cate_estimates)
Распределение причинных эффектов. Изображение автора.
На рисунке выше мы видим распределение причинных эффектов по выборкам. Ясно, что распределение — это , а не по Гауссу. Это говорит о том, что среднее значение не является репрезентативным для общего распределения. Дальнейший анализ с разбивкой по когортам на основе причинно-следственных связей может помочь раскрыть действенную информацию о том, «кто» больше всего выигрывает от получения ученой степени.
Как бы то ни было, принятие решения о поступлении в аспирантуру исключительно на основании потенциального дохода может быть признаком того, что вы действительно не хотите поступать в аспирантуру. 🤷🏽‍♀️
Причинно-следственный вывод — мощный инструмент для ответа на естественные вопросы, которые традиционные подходы не могут решить. Здесь я набросал некоторые важные идеи на основе причинно-следственного вывода и проработал конкретный пример с кодом. Как указывалось ранее, отправной точкой для всех причинных выводов является причинная модель. Однако обычно у нас нет хорошей причинно-следственной модели.Здесь может оказаться полезным обнаружение причин , что является темой следующего поста.
Мой сайт | Пример кода | 1-й пост: Причинно-следственная связь | 3-е сообщение: Причинное открытие
[1] Книга «Почему: Новая наука о причине и следствии» Джудеи Перл (платная ссылка)
[2] Перл, Дж. (2012). Возвращение к практическому исчислению. arXiv: 1210.4852 [cs.AI]
[3] Амит Шарма, Эмре Кичиман. DoWhy: Сквозная библиотека для причинного вывода. 2020. https: // arxiv.org / abs / 2011.04216
[4] Дуа Д. и Графф К. (2019). Репозиторий машинного обучения UCI [http://archive.ics.uci.edu/ml]. Ирвин, Калифорния: Калифорнийский университет, Школа информационных и компьютерных наук. https://archive.ics.uci.edu/ml/datasets/census+income
[5] Künzel, Sören R., et al. «Metalearners для оценки неоднородных эффектов лечения с помощью машинного обучения».

Частная психиатрия | Обучение | РОП

МОДУЛЬ 4 – Установление причинно-следственной связи ПППИ

конфликт судебно-экспертной методологии и отечественного уголовного права

Определение причинно-следственных связей и их представление в виде стратегической карты

Определение причинно-следственных связей и их представление в виде стратегической карты

Премия за бесконечность почему – Газета Коммерсантъ № 185 (7147) от 12.10.2021

Причинно-следственная связь — вопрос права или вопрос факта?

Нобелевку по экономике дали за выявление причинно-следственных связей :: Экономика :: РБК

UK стартап Causal собирает 4,2 миллиона долларов, чтобы убить Excel с помощью лучшего приложения для обработки чисел — TechCrunch

Crunchbase Профиль компании и финансирование

Выберите подходящее решение Crunchbase

Причинно-следственная связь — обзор

4.8 Взаимосвязи: косвенные и причинно-следственные

Оцените разницу для вашего продукта

В чем разница между корреляцией и причинно-следственной связью?

Пример корреляции и причинно-следственной связи в аналитике продукта

Чтобы развивать свой продукт, вам нужна надежная стратегия удержания.

Как проверить наличие причинно-следственной связи в вашем продукте

Проведите надежные эксперименты для определения причинно-следственной связи

Когда использовать проверку гипотез:

2. Эксперименты A / B / n

Когда использовать A / B / n-тестирование:

Действуйте в соответствии с правильными корреляциями для устойчивого роста продукта

Границы | Иллюзии причинно-следственной связи: как они искажают наше повседневное мышление и как их можно уменьшить

Введение

Иллюзии причинности, случайности и научных методов

Как оценить иллюзию

Вероятность исхода

Вероятность причины

Причина-результат

Максимизация результата по сравнению с проверкой причинно-следственной связи

Цена действия — вторичные эффекты

Депрессия

Личное участие

Когда существует несколько возможных причин

Неблагоприятные условия: как раз наоборот?

Разработка образовательной стратегии

Обсуждение

Заявление о конфликте интересов

Благодарности

Сноски

Список литературы

Перестаньте путать корреляцию с причинно-следственной связью

Как неподтвержденные причинные претензии приводят организации к заблуждению

Исследования причинно-следственных связей Нобелевского комитета

Причинный вывод. Ответы на причинно-следственные связи с помощью Python | Шаухин Талеби | Октябрь 2021 г.

Отвечая на вопросы о причинно-следственных связях с помощью Python

Байесовские сети и причинные сети

Подарок 1: Оператор

Дар 2: Разоблачение путаницы

Дар 3: Оценка причинных эффектов

Leave a Reply Отменить ответ