Причинно следственные связи примеры: конспект лекций — Общие дети, г. Воронеж

Причина и следствие | Экономика для школьников

Все примеры этой задачи построены так: описаны некоторые статистические наблюдения, из которых затем делается вывод. В решении, которое приводится ниже, для каждого из примеров приведено альтернативное объяснение имеющихся статистических наблюдений, которое противоречит сделанному выводу; существование такого объяснения доказывает, что вывод был получен некорректно. Мы не знаем, какое из альтернативных объяснений верно (возможно, и никакое), зато теперь мы знаем, что описанных наблюдений недостаточно, чтобы утверждать, что верным является именно тот вывод, который был сделан в условии.
Разделение примеров на группы достаточно условное. То общее между примерами группы, что описано ниже в пунктах б), относится не столько к логическим ошибкам, сколько к способу получения альтернативных объяснений.

I

а)
1) Возможно, число несчастных случаев никак не зависит от объёма потребления мороженого при прочих равных условиях, а положительная корреляция между этими двумя переменными объясняется тем, что обе они увеличиваются при росте числа посетителей пляжа.

Справка. Говорят, что наблюдается положительная корреляция между переменными $x$ и $y$, если в фактических наблюдениях вида $(x_{i},y_{i})$ большим значениям одной переменной соответствуют большие значения другой переменной. Иными словами, в тех случаях, когда одна переменная принимала относительно большие значения, вторая переменная тоже принимала относительно большие значения; когда первая принимала относительно маленькие, вторая тоже принимала относительно маленькие.

Отрицательная корреляция — когда большим значениям одной переменной соответствуют меньшие значения другой переменной.

Отличие причинно-следственной связи от корреляции заключается в наличии предпосылки «при прочих равных условиях». Так, фраза «переменная $x$ влияет на переменную $y$» означает, что если изменить $x$, оставив неизменным всё остальное (кроме $y$), то $y$ изменится.

2) Как нетрудно догадаться, бесплатные обеды предоставляются школьникам из семей с низкими доходами. Значит, если доход семьи по какой-то причине положительно коррелирует с оценками ребёнка, то средние оценки в группах тех, кто получает бесплатные обеды, могут быть ниже, чем в группах тех, кто не получает бесплатных обедов, даже если обеды при прочих равных условиях никак не влияют на оценки. Причиной положительной корреляции между доходом семьи и оценками ребёнка, например, могут быть способности, передающиеся по наследству: способности родителей приводят к их высоким заработкам, а полученные по наследству способности их детей приводят к их высоким оценкам.

б) Вывод о наличии причинно-следственной связи сделан лишь на основе корреляции. Это корреляция, скорее всего, объясняется изменением неучтённой переменной.

II

а)
1) Фейерверк начинается вне зависимости от того, выходят жители дома №48 на крышу или нет; напротив, это жители выходили на крышу потому, что ожидали фейерверк.

2) Страховая компания стала требовать более высокую плату потому, что получила информацию о возросшей вероятности смерти страхователя в ближайшем будущем; для того, чтобы вывод компании был верен, достаточно положительной корреляции между риском смерти и наличием телохранителя. Корреляция между риском смерти и наличием телохранителя может быть положительной, даже если зависимость риска смерти от наличия телохранителя (при прочих равных условиях) отрицательная. Страхователь нанял телохранителя потому, что существует угроза его жизни, однако он ошибочно интерпретировал вывод страховой компании так, как будто бы наоборот, наличие телохранителя повышает эту угрозу.

б) Из-за непонимания различия между корреляцией и причинно-следственной связью перепутана причина и следствие.

III

а)
1) Сравнение времени, за которое человек нашёл работу, между двумя группами — теми, кто посещал курсы, и теми, кто не посещал их, — не является корректным основанием для вывода о причинной зависимости этого времени от факта посещения курсов, т.к. отбор в эти группы происходил не случайно и поэтому факт посещения курсов может быть скоррелирован с некоторым неучтённым фактором, который влияет на время нахождения работы. Например, таким фактором может быть целеустремлённость человека, желание поскорее найти работу. Целеустремлённый человек, с одной стороны, запишется на курсы (предполагая, что курсы помогут), с другой стороны, будет активнее искать вакансии, более ответственно готовиться к собеседованиям и т.п. — по сравнению с теми, кто не записался на курсы. Он найдёт работу быстрее, чем те, кто не записался на курсы, даже если курсы на самом деле никак не помогают найти работу.

2) Среди инвесторов, присутствующих на рынке не меньше года, средняя доходность вложений клиентов компании А выше, чем средняя доходность вложений клиентов компании Б. Но срок пребывания на рынке сам зависит от доходности: клиент, который быстро разорился, уходит с рынка, не успев пробыть на нём год. То есть отбор в группы сравнения сам зависит от изучаемой переменной — доходности, что делает данное сравнение некорректным для вывода о том, где ожидаемая доходность выше. Возможно такое, что большинство клиентов компании А разоряются, но те, кто не разорился, имеют очень высокую доходность (например, компания А вкладывает деньги клиентов в очень рискованные, но потенциально очень прибыльные проекты). Потенциальный клиент компании А заранее не знает, попадёт он в число разорившихся или в число разбогатевших, и его скорее интересует средняя доходность по всем клиентам компании А, а не только по тем, кто продержался на рынке больше года. Средняя доходность по всем клиентам компании А вполне может оказаться меньше, чем средняя доходность по всем клиентам компании Б (например, компания Б вкладывает деньги клиентов в активы, приносящие стабильный, хоть и невысокий доход).

б) Отбор в группы сравнения сам зависит от переменной, влияние на которую исследуется с помощью этого сравнения.

IV

а)
1) В условии дана статистика, сравнивающая фильм с его сиквелом, а вывод из этого делается о сравнении сиквела с новым фильмом, что некорректно. Вполне возможно, что ожидаемый успех у сиквела ровно такой же, как и у нового фильма. То, что сиквелы данной кинокомпании хуже своих предшественников, может иметь следующее объяснение: сиквелы снимают только на те фильмы, которые имели большой успех, так что не удивительно, что этот успех не удаётся повторить со следующей же попытки. Кинокомпания всегда старается снять как можно более хороший фильм, но фактический успех зависит не только от стараний, но и от случайных факторов, которые она не в состоянии предугадать или проконтролировать. Вновь снятый фильм (как сиквел, так и не сиквел) скорее будет иметь «средний» успех, чем большой успех, что и объясняет описанную в условии закономерность.

2) Родители хвалят ребёнка за высокие оценки, а ругают за низкие. Оценки (особенно за контрольные) зависят от случайных факторов, которые ребёнок не может контролировать, так что при одинаковом уровне стараний ребёнок может получать разные оценки. Средний балл растёт, если вновь полученная оценка выше среднего балла, и падает, если ниже. Рассмотрим пример. Ребёнок получает только тройки, четвёрки и пятёрки. Пусть по итогам $n$ оценок средний балл равен 4,0. Если $n+1$-я оценка — 5, то средний балл станет выше 4. И если затем $n+2$-я оценка будет 4 или 3 (что, судя по среднему баллу, более вероятно, чем то, что она будет 5), то средний балл упадёт. Таким образом, стоит ожидать, что следующая оценка после получения пятёрки понизит средний балл. Аналогичным образом можно убедиться в том, что после получения тройки средний балл, скорее всего, вырастет. Эта закономерность будет иметь место, даже если похвала и порицание со стороны родителей никак не влияют на оценки.

б) Возврат к среднему значению после случайного отклонения ошибочно используется в качестве доказательства некоторой причинно-следственной связи.

Причинно-следственная связь при несчастном случае на производстве

]]]]]]]]>]]]]]]>]]]]>]]>

Подборка наиболее важных документов по запросу Причинно-следственная связь при несчастном случае на производстве (нормативно–правовые акты, формы, статьи, консультации экспертов и многое другое).

Судебная практика: Причинно-следственная связь при несчастном случае на производстве Открыть документ в вашей системе КонсультантПлюс:
Апелляционное определение Свердловского областного суда от 21.05.2020 по делу N 33-7006/2020
Категория спора: Защита прав и интересов работника.
Требования работника: 1) О взыскании компенсации морального вреда; 2) Об обязании внести изменения в акт о несчастном случае на производстве.
Обстоятельства: С работником произошел несчастный случай на производстве, при проведении экспертизы указано на допущенную в акте о несчастном случае ошибку, поскольку диагноз установлен позднее составления акта, ошибка не исправлена, что влечет за собой необходимость прохождения работником дополнительных медицинских обследований, получение им необходимой медицинской помощи откладывается и увеличивается срок реабилитации.
Решение: 1) Удовлетворено; 2) Отказано.
Процессуальные вопросы: О возмещении расходов на проведение экспертизы — удовлетворено.Доводы ответчика о недоказанности прямой причинно-следственной связи между несчастным случаем на производстве и имеющимся у истца заболеванием не свидетельствуют об отсутствии оснований для возмещения истцу морального вреда, поскольку заключением судебно-медицинской экспертизы достоверно подтверждено, что несчастный случай на производстве, произошедший исключительно по вине ответчика, не обеспечившего безопасных условий труда, повлек за собой не только повреждение здоровья в виде , но и спровоцировал усиление клинических проявлений ранее имевшегося у истца заболевания — , повлек за собой длительный болевой синдром и .

Статьи, комментарии, ответы на вопросы: Причинно-следственная связь при несчастном случае на производстве

Открыть документ в вашей системе КонсультантПлюс:
Статья: Вопросы соотношения вины и причинно-следственной связи в деликтном праве
(Евстигнеев Э.А.)
(«Вестник гражданского права», 2020, N 1)Уменьшение стандарта доказывания причинно-следственной связи из-за наличия определенной формы вины в практике различных правопорядков встречается реже, чем влияние форм вины на распределение бремени доказывания причинно-следственной связи. Однако такие примеры нормативного стандарта доказывания все же имеют место. В частности, во французском правопорядке умышленное причинение вреда приводит к уменьшению стандарта доказательства наличия причинно-следственной связи. Подобная нормативная позиция реализована на уровне Кассационного суда . Достаточно очевидно зависимость стандарта доказывания причинно-следственной связи от форм вины проявляется в Дании. В области экологического вреда действует правило, в соответствии с которым чем серьезнее вина причинителя вреда, тем менее строгие требования предъявляются к доказыванию причинно-следственной связи. Такой же подход в Дании действует применительно к закону, касающемуся несчастных случаев на производстве, и к случаям проявления медицинской халатности . Такая особенность датского правопорядка основана на высокой ориентированности всех скандинавских правопорядков на общее право. В свою очередь, для общего права характерна выработка нормативных стандартов доказывания, т.е. стандартизированных подходов к допустимому уровню сомнений при установлении спорных обстоятельств .

Нормативные акты: Причинно-следственная связь при несчастном случае на производстве Открыть документ в вашей системе КонсультантПлюс:
ФСС РФ от 03.07.2001 N 02-18/07-4808
В соответствии с письмом Фонда от 22.12.2000 N 02-08/07-2941П «Об обеспечении взаимодействия Федеральной инспекции труда с Фондом социального страхования Российской Федерации по вопросам расследования несчастных случаев на производстве и создания единой системы учета страховых случаев и их анализа» государственной инспекции труда предложено обеспечить участие представителя исполнительного органа Фонда в работе комиссий по расследованию групповых несчастных случаев на производстве, тяжелых несчастных случаев на производстве и несчастных случаев со смертельным исходом. Иногда представители исполнительных органов Фонда приглашаются для работы в комиссии по расследованию, но не включаются в ее состав. В этом случае не следует отказываться от участия в расследовании, так как основная задача представителя исполнительного органа Фонда установить причинно — следственную связь повреждения здоровья застрахованного и несчастного случая на производстве, произошедшего с ним при исполнении обязанностей по трудовому договору.

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

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

Корреляция и Причинность 📊 — Чем Отличаются Эти Понятия

В качестве альтернативы, A/B/n -тестирование 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 работает в вашем случае, следующий шаг – это попробовать проверить ее. Сделайте что–то, что определяет приоритет входной переменной и увеличивает его, возможно, за счет чего–то еще».

Он продолжает: «посмотрите, будут ли эти пользователи в результате более успешным. Если вы видите большую разницу при измерении вашего успеха, то вы к чему–то пришли. Если же нет, то, возможно, это не очень хорошая модель».

Когда речь заходит о том, что присоединение к «сообществам» приводит к повышению коэффициента сохранения, необходимо исключить все другие переменные, которые могут повлиять на результат.

Например, пользователи могли опираться на другой фактор или причину, что в конечном итоге и повлияло на процент сохранения.

Чтобы проверить наличие причинно–следственной связи, необходимо найти прямую связь между пользователями, присоединяющимися к сообществам, и теми, кто будет использовать ваше приложение в долгосрочной перспективе.

Начните с притока новых пользователей. Создайте возможность выбора для следующих 1000-и пользователей, которые зарегистрируются, а затем разделите их на две группы. Половина будет вынуждена присоединиться к «сообществам», когда они впервые зарегистрируются, а другая половина может регистрироваться без присоединения к «сообществу».

Проведите эксперимент в течение 30-ти дней, а затем сравните показатели сохранения между двумя группами.

Если вы обнаружите, что группа, которая была вынуждена присоединиться к сообществам, имеет более высокий уровень сохранения, то у вас есть доказательства, необходимые для подтверждения причинно–следственной связи между присоединением к «сообществам» и сохранением клиентов. Это соотношение, вероятно, стоит анализировать и дальше, чтобы понять, почему «сообщества» могут сохранять пользователей.

Вы не будете уверены во взаимосвязи, пока не выполните эти эксперименты.

Анализируем причинно-следственные связи метрик ВКонтакте

Всем привет, меня зовут Анвер, я работаю в команде Core ML ВКонтакте. Одна из наших задач — создавать и улучшать алгоритмы ранжирования для ленты новостей. В этой статье расскажу о том, как можно применять для этого причинно-следственный анализ — чтобы в результате сделать сервис интереснее для пользователей. Поговорим про преимущества такого подхода по сравнению с корреляционным анализом, и я предложу модификации существующих алгоритмов.

Что такое короткие и долгие метрики?

Модели ранжирования пытаются оценить вероятность того, что пользователь повзаимодействует с новостью (постом): задержит на ней внимание, поставит отметку «Нравится», напишет комментарий. Затем модель распределяет записи по убыванию этой вероятности. Поэтому, улучшая ранжирование, мы можем получить рост CTR (click-through rate) пользовательских действий: лайков, комментов и других. Эти метрики очень чувствительны к изменениям модели ранжирования. Я буду называть их короткими.

Но есть и другой тип метрик. Считается, например, что время, проведённое в приложении, или количество сессий пользователя намного лучше отражают его отношение к сервису. Будем называть такие метрики долгими.

Оптимизировать долгие метрики непосредственно через алгоритмы ранжирования — нетривиальная задача. С короткими метриками это делать намного проще: CTR лайков, например, напрямую связан с тем, насколько хорошо мы оцениваем их вероятность. Но если мы знаем причинно-следственные (или каузальные) связи между короткими и долгими метриками, то можем сфокусироваться на оптимизации лишь тех коротких метрик, которые должны предсказуемо влиять на долгие. Я попытался извлечь такие каузальные связи — и написал об этом в своей работе, которую выполнил в качестве диплома на бакалавриате ИТМО (КТ). Исследование мы проводили в лаборатории «Машинное обучение» ИТМО совместно с ВКонтакте.

Ссылки на код, датасет и песочницу

Весь код вы можете найти здесь: AnverK.

Чтобы проанализировать связи между метриками, мы использовали датасет, включающий результаты более чем 6 000 реальных A/B-тестов, которые в разное время проводила команда ВКонтакте. Датасет тоже доступен в репозитории.

В песочнице можно посмотреть, как пользоваться предложенной обёрткой: на синтетических данных.
А здесь — как применять алгоритмы к датасету: на предложенном датасете.

Боремся с ложными корреляциями

Может показаться, что для решения нашей задачи достаточно посчитать корреляции между метриками. Но это не совсем так: корреляция — это не всегда причинно-следственная связь. Допустим, мы измеряем всего четыре метрики и их причинно-следственные связи выглядят так:

Не умаляя общности, предположим, что в направлении стрелки идёт положительное влияние: чем больше лайков, тем больше SPU. В таком случае можно будет установить, что комментарии к фото положительно влияют на SPU. И решить, что если «наращивать» эту метрику, увеличится SPU. Такое явление называют ложной корреляцией: коэффициент корреляции достаточно высокий, но причинно-следственной связи нет. Ложная корреляция проявляется не только у двух следствий одной причины. Из этого же графа можно было бы сделать неверный вывод и о том, что лайки положительно влияют на количество открытий фото.

Даже на таком простом примере становится очевидно, что простой анализ корреляций приведёт к множеству неверных выводов. Восстановить причинно-следственные связи из данных позволяет causal inference (методы вывода связей). Чтобы применить их в задаче, мы выбрали наиболее подходящие алгоритмы causal inference, реализовали для них python-интерфейсы, а также добавили модификации известных алгоритмов, которые лучше работают в наших условиях.

Классические алгоритмы вывода связей

Мы рассматривали несколько методов вывода связей (causal inference): PC (Peter and Clark), FCI (Fast Causal Inference) и FCI+ (похож на FCI с теоретической точки зрения, но намного быстрее). Почитать о них подробно можно в этих источниках:

• Causality (J. Pearl, 2009),
• Causation, Prediction and Search (P. Spirtes et al., 2000),
• Learning Sparse Causal Models is not NP-hard (T. Claassen et al., 2013).

Но важно понимать: первый метод (PC) предполагает, что мы наблюдаем все величины, влияющие на две метрики или более, — такая гипотеза называется Causal Sufficiency. Другие два алгоритма учитывают, что могут существовать ненаблюдаемые факторы, которые влияют на отслеживаемые метрики. То есть во втором случае каузальное представление считается более естественным и допускает наличие ненаблюдаемых факторов :

Все реализации этих алгоритмов представлены в библиотеке pcalg. Она прекрасная и гибкая, но с одним «недостатком» — написана на R (при разработке самых вычислительно тяжёлых функций используется пакет RCPP). Поэтому для перечисленных выше методов я написал обёртки в классе CausalGraphBuilder, добавив примеры его использования.

Опишу контракты функции вывода связей, то есть интерфейс и результат, который можно получить на выходе. Можно передать функцию тестирования на условную независимость. Это такой тест, который возвращает при нулевой гипотезе, что величины и условно независимы при известном множестве величин . По умолчанию используется тест, основанный на частной корреляции. Я выбрал функцию с этим тестом, потому что она используется по умолчанию в pcalg и реализована на RCPP — это делает её быстрой на практике. Также можно передать , начиная с которого вершины будут считаться зависимыми. Для алгоритмов PC и FCI также можно задать количество CPU-ядер, если не нужно писать лог работы библиотеки. Для FCI+ такой опции нет, но я рекомендую использовать именно этот алгоритм — он выигрывает по скорости. Ещё нюанс: FCI+ на данный момент не поддерживает предложенный алгоритм ориентации рёбер — дело в ограничениях библиотеки pcalg.

По итогам работы всех алгоритмов строится PAG (partial ancestral graph) в виде списка рёбер. При алгоритме PC его стоит интерпретировать как каузальный граф в классическом понимании (или байесовскую сеть): ребро, ориентированное из в , означает влияние на . Если ребро ненаправленное или двунаправленное, то мы не можем однозначно его ориентировать, а значит:

• или имеющихся данных недостаточно, чтобы установить направление,
• или это невозможно, потому что истинный каузальный граф, используя только наблюдаемые данные, можно установить лишь с точностью до класса эквивалентности.

Результатом работы FCI-алгоритмов будет тоже PAG, но в нём появится новый тип рёбер — с «о» на конце. Это означает, что стрелка там может как быть, так и отсутствовать. При этом важнейшее отличие FCI-алгоритмов от PC в том, что двунаправленное (с двумя стрелками) ребро даёт понять, что связываемые им вершины — следствия некой ненаблюдаемой вершины. Соответственно, двойное ребро в PC-алгоритме теперь выглядит как ребро с двумя «о» на концах. Иллюстрация для такого случая есть в песочнице с синтетическими примерами.

Модифицируем алгоритм ориентации рёбер

У классических методов есть один существенный недостаток. Они допускают, что могут быть неизвестные факторы, но при этом опираются на ещё одно слишком серьёзное предположение. Его суть в том, что функция тестирования на условную независимость должна быть идеальной. Иначе алгоритм за себя не отвечает и не гарантирует ни корректность, ни полноту графа (то, что больше рёбер сориентировать нельзя, не нарушая корректность). Много ли вы знаете идеальных тестов на условную независимость при конечной выборке? Я нет.

Несмотря на этот недостаток, скелеты графов строятся довольно убедительно, но ориентируются слишком агрессивно. Поэтому я предложил модификацию к алгоритму ориентации рёбер. Бонус: она позволяет неявным образом регулировать количество ориентированных рёбер. Чтобы понятно объяснить её суть, пришлось бы подробно говорить здесь о самих алгоритмах вывода каузальных связей. Поэтому теорию по этому алгоритму и предложенной модификации я приложу отдельно — ссылка на материал будет в конце поста.

Сравниваем модели — 1: оценка правдоподобия графа

Одну из серьёзных трудностей при выводе каузальных связей представляет, как ни странно, сравнение и оценка моделей. Как так вышло? Дело в том, что обычно истинное каузальное представление реальных данных неизвестно. И тем более мы не можем знать его с точки зрения распределения настолько точно, чтобы генерировать из него реальные данные. То есть неизвестен ground truth для большинства наборов данных. Поэтому возникает дилемма: использовать (полу-) синтетические данные с известным ground truth или пытаться обходиться без ground truth, но тестировать на реальных данных. В своей работе я попробовал реализовать два подхода к тестированию.

Первый из них — оценка правдоподобия графа:

Здесь — множество родителей вершины , — совместная информация величин и , а — энтропия величины . На самом деле второе слагаемое не зависит от структуры графа, поэтому считают, как правило, только первое. Но можно заметить, что правдоподобие не убывает от добавления новых рёбер — это необходимо учитывать при сравнении.

Важно понимать, что такая оценка работает только для сравнения байесовских сетей (выхода алгоритма PC), потому что в настоящих PAG (выход алгоритмов FCI, FCI+) у двойных рёбер совсем иная семантика.

Поэтому я сравнил ориентацию рёбер моим алгоритмом и классическим PC:

Модифицированная ориентация рёбер позволила значительно увеличить правдоподобие по сравнению с классическим алгоритмом. Но теперь важно сравнить количество рёбер:

Их стало даже меньше — это ожидаемо. Так что даже с меньшим числом рёбер удаётся восстанавливать более правдоподобную структуру графа! Здесь вы можете возразить, что правдоподобие не убывает с увеличением количества рёбер. Дело в том, что полученный граф в общем случае — это не подграф графа, полученного классическим PC-алгоритмом. Двойные рёбра могут появиться вместо одиночных, а одиночные — изменить направление. Так что никакого рукомашества!

Сравниваем модели — 2: используем подход из классификации

Перейдём ко второму способу сравнения. Будем строить PC-алгоритмом каузальный граф и выбирать из него случайный ациклический граф. После этого сгенерируем данные в каждой вершине как линейную комбинацию значений в родительских вершинах с коэффициентами с добавлением гауссова шума. Идею для такой генерации я взял из статьи «Towards Robust and Versatile Causal Discovery for Business Applications» (Borboudakis et al., 2016). Вершины, которые не имеют родителей, генерировались из нормального распределения — с параметрами, как в наборе данных для соответствующей вершины.

Когда данные получены, применяем к ним алгоритмы, которые хотим оценить. При этом у нас уже есть истинный каузальный граф. Осталось только понять, как сравнивать полученные графы с истинным. В «Robust reconstruction of causal graphical models based on conditional 2-point and 3-point information» (Affeldt et al., 2015) предложили использовать терминологию классификации. Будем считать, что проведённое ребро — это Positive-класс, а непроведённое — Negative. Тогда True Positive () — это когда мы провели то же ребро, что и в истинном каузальном графе, а False Positive () — если провели ребро, которого в истинном каузальном графе нет. Оценивать эти величины будем с точки зрения скелета.

Чтобы учитывать направления, введём для рёбер, которые выведены верно, но с неправильно выбранным направлением. После этого будем считать так:

Затем можно считать -меру как для скелета, так и с учётом ориентации (очевидно, в этом случае она будет не выше такой меры для скелета). Однако в случае PC-алгоритма двойное ребро добавляет к только , а не , потому что одно из реальных рёбер всё-таки выведено (без Causal Sufficiency это было бы неверно).

Наконец, сравним алгоритмы:

Первые два графика — это сравнение скелетов PC-алгоритма: классического и с новой ориентацией рёбер. Они нужны, чтобы показывать верхнюю границу -меры. Вторые два — сравнение этих алгоритмов с учётом ориентации. Как видим, выигрыша нет.

Сравниваем модели — 3: выключаем Causal Sufficiency

Теперь «закроем» некоторые переменные в истинном графе и в синтетических данных после генерации. Так мы «выключим» Causal Sufficiency. Но сравнивать результаты надо будет уже не с истинным графом, а с полученным следующим образом:

• рёбра от родителей скрытой вершины будем проводить к её детям,
• всех детей скрытой вершины соединим двойным ребром.

Сравнивать уже будем алгоритмы FCI+ (с модифицированной ориентацией рёбер и с классической):

И теперь, когда Causal Sufficiency не выполняется, результат новой ориентации становится значительно лучше.

Появилось ещё одно важное наблюдение — алгоритмы PC и FCI строят на практике почти одинаковые скелеты. Поэтому я сравнил их выход с той ориентацией рёбер, которую предложил в своей работе.

Получилось, что алгоритмы практически не отличаются по качеству. При этом PC — шаг алгоритма построения скелета внутри FCI. Таким образом, использование алгоритма PC с ориентацией, как в FCI-алгоритме, — хорошее решение, чтобы увеличить скорость вывода связей.

Вывод

Сформулирую кратко, о чём мы поговорили в этой статье:

1. Как задача вывода каузальных связей может возникнуть в крупной IT-компании.
2. Что такое ложные корреляции и как они могут мешать Feature Selection.
3. Какие алгоритмы вывода связей существуют и используются наиболее часто.
4. Какие трудности могут возникать при выводе каузальных графов.
5. Что такое сравнение каузальных графов и как с этим бороться.

Если вас заинтересовала тема вывода каузальных связей, загляните и в другую мою статью — в ней больше теории. Там я подробно пишу о базовых терминах, которые используются в выводе связей, а также о том, как работают классические алгоритмы и предложенная мной ориентация рёбер.

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?!

О причинно-следственных связях

Организация здравоохранения

Л. Каримова:

Добрый день, дорогие друзья! В эфире радио Mediametrics, программа «Медицинское право», и я, ее ведущая, Каримова Лена. У нас в гостях Виктор Викторович Колкутин, доктор медицинских наук, профессор по специальности «Судебная медицина», заслуженный врач Российской Федерации, полковник запаса медицинской службы. Добрый день, Виктор Викторович!

В. Колкутин:

Здравствуйте!

Л. Каримова:

И мы продолжим разговор о причинно-следственной связи между дефектами оказания медицинской помощи и ухудшением состояния здоровья пациента. В прошлой передаче мы узнали, первое: не существует дефиниции оказания медицинской помощи, и не существует дефиниции эффекта оказания медицинской помощи. Второе: обязанность установления причинно-следственной связи лежит на судебно-следственных органах. Третье: на самом деле врачу любой специальности необходимо уметь устанавливать причинно-следственную связь. Четвертое: ответственность медицинского работника при осуществлении профессиональной деятельности может наступить и без юридически значимых последствий.

Итак, Виктор Викторович, на прошлой передаче мы остановились на понятиях причин, следствий и условий, переходим на «условия и причины». И тут хотелось бы привести в пример цитату из учебного пособия под авторством Спиркина «Основа философии», 1998-го года, с. 172, я цитирую: «По признаку обязательного переноса каких-либо субстанционно-энергетических качеств причинная связь отличается от других, неэнергетических в широком смысле слова связей. По этому же признаку различают причины и условия события. Причина – это то, что передает свою силовую потенцию, то есть вещество, энергию, информацию. А условие – это совокупность обстоятельств причинного события, которая сама по себе, не будучи прямой причиной и не участвуя в переносе энергии и информации, способствует порождению причины и следствия. Так, в случае гибели больного в результате отсутствия своевременной медицинской помощи причиной гибели является само заболевание. Отсутствие медицинской помощи – это условие гибели, но не ее причина». Не противоречит ли это теории механизма установления причинно-следственной связи?

В. Колкутин:

Вот так сложно все начинается сегодня… Я даже в некоторой растерянности пребываю, потому что Вы столько много всего процитировали, и каждая из сказанных фраз достойна отдельной передачи. Но что важно сказать: цитированный Вами учебник относится к какой области знаний?

Л. Каримова:

Философия.

В. Колкутин:

Медицина, конечно, с философией достаточно плотно соседствует, но все-таки есть свои особенности. Для начала давайте посмотрим, откуда появились эти ростки, где корни этой темы о необходимости установления причинной или причинно-следственной связи, и кто это должен делать, если мы говорим о медицине, о медицинской службе, о медицинском ведомстве. Получается интересная вещь: согласно 323-му Федеральному закону «Об основах охраны здоровья граждан РФ» (это ст. 58, ч. I), содержание медицинской экспертизы, одним из составляющих этого содержания как раз и является установление причинно-следственной связи между воздействием каких-то событий, факторов и состоянием здоровья гражданина. Вот это важный отправной пункт, поскольку все-таки это Федеральный закон.

Но если есть такая задача, на нее должна быть адекватная реакция. Где мы ее можем наблюдать? Кто будет носителем, субъектом этого установления? И вот получается, что в соответствии с квалификационными характеристиками врача судебно-медицинского эксперта этим субъектом должен быть именно он. Что мы читаем: «Врач судебно-медицинский эксперт должен уметь установить причинно-следственную связь между повреждением и неблагоприятным исходом». Коль скоро мы сегодня говорим о дефектах, значит давайте мы сразу «повреждения» заменяем на «дефекты оказания медицинской помощи» и связь будем пытаться рассмотреть именно между врачебным дефектом и наступившим неблагоприятным исходом.  

И вот здесь я бы подвел под нашей нормативно-правовой базой жирную черту, потому что несмотря на то, что в 194-м знаменитом Приказе, который напрямую касается судебно-медицинской экспертизы, упоминаются эти слова, но там такая чехарда из них идет, что, в общем-то, человек разбирающийся придет в некоторое замешательство. Посмотрите сами: в пункте 6.7 этого Приказа приводится «в прямой причинно-следственной связи», в пункте 6.8 уже просто «причинно-следственной связи», а в пункте 15 мы читаем, что «связь не может носить случайный характер», и, наконец, 17.23-ий пункт означает нам и «непосредственно связанное», и «причинно с ней связанный». То есть такое впечатление, что люди, когда писали этот Приказ, думали о каких-то вычурных литературных оборотах.

Л. Каримова:

Красоту речи показать.

В. Колкутин:

Да, красоту речи преподнести, чтобы просто заслушаться можно было. А мы забываем, что это вещи юридические. Они не должны носить никакого двоякого трактования. И вот занялся я изысканиями и думаю, откуда же взялась юриспруденция в медицине, откуда взялись эти понятия – «причинная связь, причинно-следственная связь», а уж какая она там, прямая или непрямая, а может быть необходимо, или достаточно. И получилась интересная вещь, что в действующем российском законодательстве нет понятий «прямая причинная связь» и «косвенная причинная связь», и речь идет только о причинной связи, и законодателю неважно это деление – прямая она или косвенная. А вот в развитии этого законодательства (но ничем не подкрепленное развитие) – статьи, учебники, монографии очень знаменитых и заслуженных людей, замечательные мысли. Но это всего лишь их собственные мысли. Вот там они говорят, что тут нужна прямая связь, здесь нужна косвенная, здесь ее вообще нет, тут на первое место условие… Но как это соотнести с действующим законодательством никто нигде не пишет. И получается, что можно, оказывается, приватным образом взять и в любом документе, который нам понравится, написать: «А давайте будем писать не просто «причинная связь», а «прямая причинная связь».

Я более или менее понимаю юристов, потому что у них, особенно у тех, которые работают в области уголовного права, есть такие понятия, как прямой умысел, косвенный умысел. Где-то по аналогии я их понимаю, они могли перенести это на причинную связь, касающуюся судебной медицины. Но откуда врачи это выдумали? Как судебно-медицинские эксперты с этим согласились, для меня до сих пор пока остается загадкой, и я пока продолжаю пребывать в поиске, где источники этого. Согласитесь, что это вопрос не праздный, коль скоро задача такая стоит, значит, нужно этот вопрос решать. И вот интересные вещи получаются. Вообще, что такое причина для судебного медика?

В действующем российском законодательстве нет понятий «прямая причинная связь» и «косвенная причинная связь», и речь идет только о причинной связи, и законодателю неважно это деление – прямая она или косвенная

Л. Каримова:

Травма, заболевания.

В. Колкутин:

То есть некое воздействие на живой организм, которое должно закономерно, неотвратимо, с определенной временной последовательностью, с другими характеристиками, о которых мы будем говорить ниже, должна привести к своему закономерному следствию. Так вот, для того, чтобы установить этот факт, это мы говорим о том, как оно действует без нас, без экспертов: автомобиль сбивает человека, человек ударяется головой о покрытие. Это все без нас происходит, а мы уже приходим потом, когда он уже лежит в клинике. И вот здесь нам надо по каким-то признакам, по каким-то критериям восстановить эту картину…

Л. Каримова:

Цепочку.

В. Колкутин:

…и убедиться либо в наличии этой причинной связи, либо в ее отсутствии. А надо сказать, что причинная связь – это всего лишь один из многих вариантов взаимосвязей между событиями. Если Вы философию почитаете, там их очень много. Это всего лишь один маленький кусочек. И для начала нужно понять, а есть ли здесь основания говорить о причинной связи, понимаете? Я не буду приводить разные примеры на эту тему, на другую приведу обязательно. Но для начала надо понять. Когда мы подходим к трупу, мы же не сразу говорим: «Так, раневой канал огнестрельный, проходит там-то и там-то». Мы сначала говорим: «Давайте определимся сначала, что это огнестрельное ранение». Так и здесь: надо понять, а причинная ли здесь связь? Или какая-то иная?

Причинная связь – это всего лишь один из многих вариантов взаимосвязей между событиями

Л. Каримова:

Получается, нам нужно сначала определиться с диагнозом.

В. Колкутин:

Совершенно верно. Но помимо причинной связи бывают еще причинные цепи. Что это значит? Это значит, что события не заканчиваются вот так: воздействие – результат, воздействие – результат. Они развиваются.

Л. Каримова:

То есть когда причина переходит в следствие, а следствие становится причиной нового события?

В. Колкутин:

Конечно. А могут присоединяться другие компоненты, которые небезразличны к первоначальному фактору, это с одной стороны.

Л. Каримова:

Ну, опять же, философия.

В. Колкутин:

Потом есть так называемые причинные петли, когда ситуация возвращается на какой-то из начальных этапов и идет уже по новому пути. Это может быть связано с оказанием медицинской помощи, может быть связано со свойствами организма.

Есть так называемые причинные петли, когда ситуация возвращается на какой-то из начальных этапов и идет уже по новому пути. Это может быть связано с оказанием медицинской помощи, может быть связано со свойствами организма

Л. Каримова:

С индивидуальными особенностями.

В. Колкутин:

Совершенно верно. То есть вопрос-то как бы, с одной стороны, и не праздный, а с другой стороны, он весьма и весьма непростой. Это не так ситуация, где, как говорится, голову оторвало, и «ну, все понятно, так тут и врач не нужен, и эксперт не нужен, следователь и без нас разберется».

Мы пришли к выводу, мы диагностировали: здесь причинная связь. Тогда нам нужно определиться, а как она взаимодействует со следствием? Почему? Потому что бывают совершенно различные ситуации, которые заводят эксперта в тупик, просто в тупик. Сейчас важно об этом поговорить.

«Причина-следствие» – это как раз все понятно: вот она, травма, вот оно, последствие.

Л. Каримова:

Одна причина, одно следствие.

В. Колкутин:

Все на пять с плюсом выполнили свои задачи и, что называется, разошлись, довольные собой. А вот вторая ситуация – вот она, причина, а от этой причины наступает следствие, которое по своим последствиям, объемам, наполнению гораздо больше, чем может дать эта причина. И возникает вопрос: либо откуда это взялось, надо найти, либо, может быть, вообще не надо здесь ничего искать. И вот в этой ситуации, если появляется какой-то дополнительный компонент, который комбинируется с первоначальной причиной, который не был очевиден на момент подхода к нашей ситуации, который мы обнаруживаем в ходе исследований медицинских документов, с помощью исследования допроса медперсонала, мы вдруг выявляем новые сведения, которые дополняют нашу первоначальную гипотетическую причину. И тогда оно замыкается и становится соразмерно своему окончанию, соразмерно своему следствию.

И, наконец, еще один вариант: это когда причина воздействует, а от нее следствия никакого, или оно очень маленькое. Оно должно быть. Что случилось? Почему этого нет? И тогда экспертный разум, экспертный поиск перемещается на поляну этого следствия. А может, мы его не видим, это следствие, может, оно не сейчас проявится, условно говоря, инкубационный период это следствия не реализовался. И тогда надо либо ждать и затянуть до нужного момента окончание экспертных исследований, либо применить какие-то новые способы поиска для того, чтобы вытащить эту информацию о следствии.

Куда делось следствие от большой причины? Вот это качество, о котором мы сейчас красиво поговорили, характеризует собой причинную связь, и  называется оно «соразмерность», когда одно должно соответствовать другому. Вот это первое, что надо понимать.

Следующий момент, который не менее, а может быть, даже более важен, чем соразмерность, называется характеристика или качество «порождение». То есть не увлекаясь очевидностью какого-то конкретного случая, мы должны найти признаки того, что именно этой причиной порождено конкретное следствие.

Достаточно простой пример, когда человек получает травму, вслед за травмой развивается болевой шок, геморрагический…

Л. Каримова:

Любой травматический шок.

В. Колкутин:

Да. Любой вариант шока. И это приводит к общей дезадаптации организма: все системы и органы начинают функционировать в аварийном, в неправильном режиме. И какой из этих органов откажет первым, мы пока на этом этапе не знаем: то ли это будет сердечно-сосудистая система, то ли дыхательная, то ли выводящая система.

Например, травма приводит к шоку, шок приводит к дезадаптации, а дальше развилась острая сердечно-сосудистая или острая легочная недостаточность, и это приводит к летальному исходу. Вот, казалось бы, все очень легко, очень правильно и очень понятно. Но если мы говорили о том, как непросто подойти к изучению вопроса о причинной связи, как достаточно медленно надо двигаться по этой дороге исследования ситуаций, то здесь мы можем продемонстрировать то, как недобросовестные эксперты могут манипулировать этой ситуацией.

Когда человек получает травму, вслед за травмой развивается болевой шок, и это приводит к общей дезадаптации организма: все системы и органы начинают функционировать в аварийном, в неправильном режиме. И какой из этих органов откажет первым, мы на этом этапе не знаем 

Л. Каримова:

Подмена понятий, скажем так.

В. Колкутин:

Да, каких-то личных, корыстных интересов. Недобросовестные эксперты присоединили исходное состояние организма.

Л. Каримова:

Заболевание какое-то.

В. Колкутин:

Да. У человека были, допустим, измененные мышечные волокна, были какие-то бляшки…

Л. Каримова:

В силу возраста, скажем так.

В. Колкутин:

Да. И тогда что? Тогда появляется возможность – когда нет четких критериев для судебной медицины, царит хаос – появляется возможность для таких нечистоплотных фокусов. Присоединяем: травма – да, шок – конечно!

Л. Каримова:

Тяжкий вред?

В. Колкутин:

Безусловно. И если все слепить в единый комок, то получается, что вот она, комбинированная причина, вот он, комплекс.

Л. Каримова:

Но нет причины смерти.

В. Колкутин:

Нет. А раз нет, значит, и травма, и шок находятся в прямой причинно-следственной связи. Так что, товарищ преступник, милости просим в зале суда на свободу, отделаетесь легкими взысканиями. Вот к чему ведет отсутствие порядка в этом вопросе.

Беда в другом: никто реально не хочет заниматься наведением этого порядка. А ведь сегодня как никогда важно осознать и признать, что в судебной медицине уже давным-давно родилось новое направление: судебно-медицинская каузология. И врачей, и уже опытных экспертов нужно и учить, и переучивать, и доучивать именно по этим вопросам. Возьмите любого студента, поймайте шестикурсника или выпускника, или даже эксперта со стажем, и спросите у него: «Ты помнишь, как Вам преподавали задачи по установлению причинно-следственной связи?» 100%, не вспомнит никто. В лучшем случае…

Л. Каримова:

Философию вспомнят.

В. Колкутин:

Нет, в лучшем случае вспомнят эту первую схему.

Л. Каримова:

Одна причина и одно следствие.

В. Колкутин:

Да, все. Если тяжкий вред, смерть на месте, значит, прямая причинная связь. Я возвращаюсь к 123-ему Федеральному закону: там про клиницистов речь не идет, там речь идет об именно медицинской экспертизе. Клиницисты, если они и делают экспертизу, то они делают как члены комиссии, которую возглавляет судебно-медицинский эксперт.

Л. Каримова:

Виды экспертиз бывают же разные, не только судебно-медицинская.

В. Колкутин:

Мы сейчас говорим именно о судебно-медицинской. Я согласен, но там немного другие подходы и критерии. Они мне тоже не нравятся, но сейчас я не хочу о них говорить, потому что нам бы со своим разобраться. Так вот, закончились ли на этом характеристики причинной связи? Ничего подобного. Есть еще критерий необходимости. Мало того, что мы знаем, что эта причина породила следствие, мало того, что мы знаем, что эта причина соразмерна следствию, но надо еще понимать, какова степень необходимости возникновения именно этой ситуации. Это будет важно, когда мы будем оценивать, какова была реакция врачебного персонала на ту или иную травму. Понятно, что при нормальном течении, конечно, любое тяжелое повреждение порождено будет необходимостью…

Л. Каримова:

И закономерно приведет к какому-то неблагоприятному исходу.

В. Колкутин:

Завершится этим неблагоприятным исходом. Но если мы упоминаем сегодня дефекты медицинской помощи, то как никогда важным становится критерий необходимости. А что было сделано? Как вовремя это было сделано? В нужном ли объеме? Но важно не просто сделать. Вот что мне не нравится в критериях качества оказания медицинской помощи, там вся оценка идет через действие. Я как ни читаю какой-нибудь пункт, сразу вспоминаю все армейские пословицы: «Вспотел – покажись начальству» и т.д. Какая разница, что ты, как врач, делаешь? Вот если уж совсем по гамбургскому счету, ты вылечил больного – он встал, ушел на своих ногах, принес тебе букет цветов в благодарность, ты молодец. Да, ты ему там чего-то не доделал, что-то не то ввел, ты довел его до правильного результата, ты победитель в этой ситуации. И обратная ситуация: ты все плюсики получил в своих критериях качества – больной ушел инвалидом. И зачем мне такое качество? К чему это все? Получается, что мы достаточно интуитивную, творческую профессию врача превращаем в какой-то цирк по сборке и ремонту биологических кузовов, именуемых человек.

Мы достаточно интуитивную, творческую профессию врача превращаем в какой-то цирк по сборке и ремонту биологических кузовов, именуемых человек

Л. Каримова:

Алгоритм.

В. Колкутин:

Так не получится. Это не оценка качества, это подмена понятий, и это большая-большая беда.

Л. Каримова:

Какие именно нормативно-правовые акты регламентируют порядок установления причинно-следственных связей? Я даже в студию принесла порядок установления причинно-следственной связи.

В. Колкутин:

У Вас какой год?

Л. Каримова:

У меня 15-ый. 17-ый я, к сожалению, не смогла найти, потому что в интернете это почему-то секретный документ. Он не выложен ни на одном сайте.

В. Колкутин:

А я нашел, принес. Вот такая бумага появилась на свет. Даже при очень внимательном ее изучении, естественно, никакого порядка проведения судебно-медицинской экспертизы, и уж тем более установления причинно-следственных фактов, связей по факту неоказания или ненадлежащего оказания медицинской помощи Вы там, конечно же, не найдете.

Л. Каримова:

Ну, это все-таки порядок проведения судебно-медицинских экспертиз.

В. Колкутин:

Вы знаете, я не хочу сейчас сильно на эту тему распространяться, потому что порядок не может называться методическими рекомендациями, методические рекомендации не могут быть порядком. Это совершенно разные по классу ведомственные документы. И если тот, кто это писал, не знает этой разности, это его личная беда.

Самое интересное во всем этом документе находится на двадцатой странице. Я не откажу себе в профессиональном удовольствии процитировать некоторые моменты этой самой страницы. Речь идет о том, что: «В этой связи при проведении судебно-медицинской экспертизы установление наличия или отсутствия причинной и (прямой) связи между действием/бездействием медицинского работника и наступлением у пациента неблагоприятного исхода для экспертной комиссии является обязательным». Вот здесь каждое слово можно долбить камнем, и будет интересно. Но я остановлюсь только на двух моментах.

Откуда взялась прямая причинная связь? Из какого источника появилось это словосочетание «прямая причинная связь»? Если речь вести о законодателе, он говорит о причинной связи, и там не делается никаких разграничений между тем, косвенная она или прямая. Второй момент, если Вы говорите или кто-то говорит об установлении прямой или косвенной связи, какая аналогия появляется с уголовными?

Порядок не может называться методическими рекомендациями, методические рекомендации не могут быть порядком

Л. Каримова:

По умыслу.

В. Колкутин:

Умысел. Совершенно верно. Есть прямой умысел, есть косвенный. И здесь эта перекличка между ними очевидна: причинно-прямая связь – прямой умысел, косвенная связь – косвенный умысел. Но здесь нельзя ставить знак равенства, это разные вещи.

Л. Каримова:

Но связь же объективна, а умысел…

В. Колкутин:

Дело все в том, что причинная связь как раз и подразумевает наличие умысла. Если ты не умеешь устанавливать умысел, ты никогда не сможешь проникнуть в содержание понятия «причина». Почему? Потому что действительно вред здоровью при оказании медицинской помощи можно оказать с косвенным умыслом, можно оказать с прямым умыслом, если человека, допустим…

Л. Каримова:

Оставили в приемном покое.

В. Колкутин:

Есть личная неприязнь к этому больному, он хочет сделать ему плохо, возьмем самый маргинальный такой случай. Вот вам прямой умысел. Какая экспертиза это установит? Никакая. Отсюда-то и будет вырастать причинная связь: установи это, и все остальное дальше станет ясным и прозрачным. Поэтому во это первый момент, который просто необъясним. Это просто сочинение на  выбранную тему.

И второй момент. Понятно, что автор этого документа, наверное, обладает какими-то властными функциями, но указывать всем экспертным комиссиям о том, что установление этой причинной связи является обязательным – простите меня, это уже явное превышение своих должных полномочий. Почему? Потому что экспертной комиссии у нас указывает, что делать, следователь.

Л. Каримова:

Я даже некоторых следователей знаю, которые специально не задают вопросы о причинно-следственной связи, потому что заранее знают ответ. И их этот ответ не устраивает, как вариант.

В. Колкутин:

Зачем это все помещать сюда, я не знаю. Но есть и более шедевральные вещи, если читать дальше двадцатую же страницу: «Наличие или отсутствие причинной (прямой) связи, а также непрямой косвенной между действием медицинского работника и наступлением у пациента неблагоприятного исхода устанавливается экспертной комиссией в соответствии с общепринятыми в медицине представлениями об этиологии, патогенезе, клинической картине и лечении в отношении конкретной нозологической единицы заболевания». Найдите мне, пожалуйста, хоть одну конкретную нозологическую единицу заболевания, по которой будут единые, общепринятые во всей (хотя бы в российской) медицине представления о вот этой этиологии, патогенезе, уж тем более клинической картине, и совсем не согласен, что это слово «лечение». Не будет такого общепринятого представления. То есть отсылают как в сказке: «Иди туда, не знаю куда».

Л. Каримова:

В никуда. Тогда у меня вопрос: для чего они пишут, что «как в уголовном, так и в гражданском праве наличие непрямой и косвенной [причины] лежит за пределами юридически значимой причинно-следственной связи»?

В. Колкутин:

Вы как раз меня подводите к тому, чтобы я установил умысел. Не получится. Но почему пишут, я могу сказать: по аналогии с прямым и косвенным умыслом. Никакого другого объяснения нет, потому что когда пишешь какой-то документ, нужно думать.

Л. Каримова:

То есть несмотря на то, что это лежит за пределами юридической связи, все равно и косвенную, и опосредованную определяет комиссия. Тогда у меня еще вопрос по этому документу. У меня 2015-го года очень много перекликается, но вот: «При оценке степени тяжести вреда здоровью экспертная комиссия в обязательном порядке решает следующие вопросы: это сущность недостатка и наличие или отсутствие причинной прямой связи, недостатка оказания медицинской помощи с наступившим неблагоприятным условием». То есть мы все-таки недостатки оцениваем, выявляем или дефекты оказания медицинской помощи?

В. Колкутин:

Мало того, что мы говорили нет понятия, что такое дефект медицинской помощи или дефект в оказании медицинской помощи. А тут появляется еще новая, литературная конструкция «недостаток в оказании медицинской помощи». Этим вещам есть определение в отечественной литературе, в том числе судебно-медицинской. Но коль скоро уж там, в этих рекомендациях, дается перечень основных понятий, что чего значит, там можно прочитать формулировки  что такое»фармацевтический работник», это очень важно для этого документа…

Л. Каримова:

«Профилактика», «Врачебная тайна».

В. Колкутин:

Да, это просто без него он не состоялся бы. Но как раз тех важных вещей – «причинная связь», «дефект в оказании помощи», «недостаток в оказании» там Вы этого не найдете.

В чем шедевральность этого общепринятого в медицине представления об этиологии? Из всех 29 листов это единственное, что касается установления причинно-следственной связи. Больше ни слова в данном документе нет. Это, простите меня, можно, что называется, и на плакате написать, то, что здесь написано. Не надо было огород городить. А вот беда-то в другом, что есть еще масса других критериев. Там, как минимум, еще три надо назвать критерия: объективности, критерий временной асимметрии и критерий всеобщности. И эти вещи должен знать человек, который занимается в ходе экспертизы установлением наличия или отсутствия причинно-следственной связи.

Мы все время забываем и все время хотим взвалить на себя груз больший, чем мы можем унести. Не устанавливаем мы наличие или отсутствие причинной связи. Мы можем установить медицинские признаки: либо наличие, либо отсутствие.

Не устанавливаем мы наличие или отсутствие причинной связи. Мы можем установить медицинские признаки: либо наличие, либо отсутствие

Л. Каримова:

К видам неблагоприятного исхода – опять же, цитирую «Порядок проведения судебно-медицинских экспертиз» – перечисляются 10 пунктов из 522Н и «медицинских критериев определения тяжести вреда, причиненного здоровью человека». А вот я хотела спросить: неужели неблагоприятным исходом не может быть поверхностное повреждение? Поверхностное повреждение в этих критериях отсутствует либо если это поверхностное повреждение, мы это не определяем и не устанавливаем?

В. Колкутин:

Я бы очень хотел, чтобы когда-нибудь на этом месте сидел автор этих рекомендаций и отвечал на Ваши вопросы, потому что невольно получается, что я должен за него отвечать.

Л. Каримова:

Я думаю, было бы очень интересно.

В. Колкутин:

Я могу только объяснить, как оно взялось в этом документе. Берется 522-ое Постановление – «вырезать», «скопировать», «перенести», и готово. Ведь нигде не дается определения (ни в первом документе, ни во втором), а что такое благоприятный исход?

Л. Каримова:

Здесь про благоприятный исход написано, что в случаях наступления благоприятного исхода при лечении вред здоровью не устанавливается.

В. Колкутин:

Минуточку. Я говорю, нигде не написано, что такое благоприятный исход. Надо было две ноги отрезать, а отрезали одну? Или отрезали обе, слава Богу, что жив остался, понимаете? То есть как установить границы, где он уже неблагоприятный, а где уже стал благоприятным? Нигде Вы этого не найдете.

Я бы так сказал, это уже профессиональная наглость. Я бы так просто это назвал, потому что существует Приказ министра здравоохранения 194Н, где четко написано, что дефект в оказании медицинской помощи, если он повлек за собой вред здоровью, оценивается по критериям тяжести. И вот так методическими рекомендациями отменять это положение – я думаю, что это достаточно дерзко.

Л. Каримова:

Уважаемые друзья, к сожалению, наш сегодняшний эфир подошел к концу. Спасибо, что вы были с нами. Спасибо, Виктор Викторович!

В. Колкутин:

На здоровье. Не болейте.

Л. Каримова:

Надеюсь, мы Вас еще увидим в эфире радио Mediametrics. Будьте с нами в следующий вторник. Всего хорошего! Спасибо большое. До свидания.

 

9.2 Причинная связь

9.2 Причинная связь Умение определять причинно-следственные связи в мире важно. Что связывает причину и следствие невидимо нам (Хьюм). Но мы можем замечать корреляции, и из них иногда сделать выводы о причинно-следственных связях. Не все корреляции существуют потому что существует причинно-следственная связь.

Корреляции

Утверждения корреляции выражают отношение между двумя свойствами (значениями переменных) в пределах одной совокупности.

	Курильщики	Некурящие
Американские мужчины	51	49
Американские женщины	34	66

Исходя из этих данных, мы утверждаем, что 51% американских мужчины курят и 34% американских женщин курят. Свойство быть Американский мужчина положительно коррелирует со свойством курильщика, и свойство быть американской женщиной отрицательно коррелирует с быть курильщиком.Население здесь — взрослые американцы, и мы сравниваем две переменные: курение и пол; каждая переменная имеет два значения.

A является положительно коррелированным с B тогда и только тогда, когда процент As среди B больше, чем процент из As среди не-B.

A имеет отрицательную корреляцию с B тогда и только тогда, когда процент As среди B меньше, чем процент из As среди не-B.

A — не коррелирует с B — процент As среди B такой же, как процент As среди не-B.

Оценка корреляций

Предвзятость при оценке корреляций:

Медсестер попросили просмотреть 100 карточек с пациентом. информацию о них, а затем судить, были ли отношения или связь между определенным симптомом и определенным заболеванием. Каждый Карточка показывала, присутствовал ли симптом или отсутствовал, и был ли болезнь присутствовала или отсутствовала. (Смедслунд, 1963)

Вот частота появления симптомов и заболеваний. на 100 пациентов.

	Болезнь	Нет болезней
Признак	37	33
Нет симптомов	17	13

Полученные результаты:

Здесь нет корреляции, хотя 85% медсестры думали, что существует положительная корреляция между симптомом и болезнь.Настоящая / настоящая ячейка была лучшим предиктором суждения субъекта; высокий показатель в этой камере побудил к положительному суждению.

Обратите внимание, что как для группы симптомов, так и для в группе без симптомов примерно столько же больных, сколько и не имеющих болезнь (немного больше, чем нет в обеих группах; 37-33 с симптомом, 17-13 без симптома). Есть ли у тебя болезнь или нет, примерно в два раза больше людей имеют этот симптом, чем не имеют его.

Субъекты склонны смотреть только на избранных ячейки для соответствующей информации.

Другой пример: отвечает ли Бог на молитвы? Многие говорят «да», потому что многие молитвы были успешными. Но что насчет другие клетки?

Другой пример:

Испытуемых спросили, может ли г-н Максвелл, вымышленный человек, которого их попросили представить, что они встретились на вечеринке, был профессором. Им сказали, что он либо профессор, либо руководитель, и что он принадлежал к «Медвежьему клубу». Затем испытуемых спросили, что дополнительная информация, которую они хотели бы получить для вынесения своего суждения.Например, какой процент профессоров на вечеринке являются членами Медвежий клуб, или какой процент руководителей на вечеринке были членами Медвежьего клуба? 89% испытуемых хотели получить первую информацию, но только 54% ​​хотели получить вторую часть, хотя обе части актуальны. (Также актуальна информация о процентном соотношении профессоров на вечеринке.)

Эффекты априорной веры в оценку корреляций:

Клинические психологи иногда используют рисунок человека. тесты, с помощью которых пациенты проектируют аспекты своей личности в рисунки.Большие глаза могут указывать на то, что пациент подозревает другие или параноики; большие плечи могут указывать на озабоченность мужественностью.

Исследования показали, что эти тесты бесполезны как индикаторы личностных качеств. Но в исследованиях, в которых фотографии и метки характеристик связаны способами, которые не отражают корреляции, неподготовленные субъекты по-прежнему заявляют, что «обнаружили», что определенные черты коррелируют с некоторые аспекты чертежей. Даже профессионалы сохраняют доверие в них, узнав об их неэффективности.Подобные результаты применимы к Роршаху тесты. Цитата: «Я знаю, что параноики, похоже, не привлекают больших глаз в исследованиях». лаборатории, но они есть в моем офисе ». (Chapman and Chapman, 1967, 1969)

Предыдущее убеждение может увеличить предвзятость внимания:

Испытуемым рассказывают об эксперименте, в котором Детям школ-интернатов дают определенные комбинации продуктов питания, чтобы увидеть влияют ли они на вероятность простуды. Прежде чем увидеть данные испытуемых просят сформулировать собственные гипотезы. После показа данные, их интерпретации явно находятся под влиянием их собственных гипотез.Несмотря на то, что данные не отражают корреляции, субъекты, которые выдвинули гипотезу заранее, что тип воды (в бутылках или из-под крана) может иметь отношение к простудились также сказали, что видели такую ​​корреляцию, проиллюстрированную в данные. Субъекты, которые, например, выдвинули гипотезу о том, что вид горчицы может вызвать простуду, будет смотреть на данные горчицы / холода и игнорировать горчицу / нет холодные данные.

Причинно-следственные связи:

Причинное обобщение, например, курение вызывает рак легких, не касается конкретного курильщика, а указывает на особый существует связь между свойством курения и свойством заболел раком легких.В качестве причинного утверждения это говорит больше, чем то, что там корреляция между двумя свойствами.

Некоторые причинные условия являются необходимыми условиями: наличие кислорода — необходимое условие для горения; в отсутствие кислорода нет горения. «Причина» часто используется в этом смысл, когда стремятся устранить причину, чтобы устранить следствие (что вызывает боль?)

Некоторые причинные условия являются достаточными условиями: при наличии достаточного условия эффект должен наступить (находясь в температурный диапазон R в присутствии кислорода достаточен для горения многих веществ.»Причина» часто используется в этом смысле, когда мы стремимся произвести эффект (что делает этот металл таким прочным?)

В поисках особых обстоятельств: что было причина пожара? Кислород? или матч поджигателя?

Причинами иногда называют состояния INUS в том, что они являются недостаточными, но необходимыми частями ненужного, но Достаточный набор условий для эффекта. Можно сказать, поражая спичку быть причиной его освещения. Предположим, есть некоторый набор условий этого достаточно для освещения спички.Это может включать присутствие кислорода, соответствующие химические вещества в головке спичек и поражении. Можно сказать, что нанесение ударов является необходимой частью этого набора (хотя и недостаточным сам по себе), потому что без выделения среди этих других условий спичку бы не зажег. Но сам набор хоть и достаточный, но не необходимо, потому что другие условия могли вызвать освещение матча.

Чем причинно-следственные связи отличаются от корреляций?

1.Утверждение о корреляции симметрично в то время как утверждение о причинно-следственной связи асимметрично. Если быть мужчина положительно коррелирует с тем, чтобы быть курильщиком, курение — это также положительно коррелирует с мужчиной. Но если курение вызывает легкие рак, не обязательно, что рак легких вызывает курение.

2. Корреляции касаются реальных популяций. и не законопослушны. Причинно-следственные связи подобны закону в том смысле, что они касаются как гипотетических, так и реальных популяций.Когда говорят, что причина B является причиной B, мы говорим, что было увеличение при заболеваемости А будет увеличиваться заболеваемость В; или если количество случаев A уменьшится, число случаев B также уменьшится. (Если меньше люди курили, рака легких было бы меньше). только для реального населения. Если успех Национальной лиги в Суперкубке просто коррелирует с падением фондового рынка, то нам не следует ожидать изменения на фондовом рынке, чтобы повлиять на исход Суперкубка (или наоборот).

Как можно формировать суждения о причинно-следственных связях на основании утверждений о корреляциях?

Например, имеется сильная положительная корреляция между увеличением количества занятий по половому воспитанию и увеличением в норме гонореи. Предположим, мы заключаем, что увеличение числа занятий по половому воспитанию привело к увеличению заболеваемости гонореей.

(A) Статистическая посылка (выписка насчет корреляции) верно или обоснованно?

(B) Какие существуют альтернативные объяснения?

1.Корреляция может быть случайной или случайно. Увеличение государственного долга положительно коррелирует с увеличение частоты гонореи, но причинной связи нет.

2. Связь может быть ложной, как увеличение количества занятий по половому воспитанию и увеличение числа частота гонореи является следствием одной и той же причины.

3. Причинно-следственная связь может быть обратной. Может ли повышение частоты гонореи быть причиной осознанная потребность в большем количестве занятий по половому воспитанию?

4.Причинная связь могла быть больше сложнее, чем предполагает вывод. Увеличение количества занятий по половому воспитанию могло вызвать изменение отношения к сексу, что привело к увеличению в сексуальной активности, что привело к увеличению частоты гонореи.

5. Указанная причинно-следственная связь может быть несущественной. по сравнению с другими факторами, ответственными за увеличение гонореи показатель.

Предлагается ли причинно-следственная связь в приведенных ниже случаях?

Когда-то была сильная положительная корреляция между количеством мулов в штате и зарплатой, выплачиваемой профессорам (чем больше мулов, тем ниже зарплаты).

Существует сильная положительная корреляция между количество пожарных машин в районе Нью-Йорка и количество пожаров, происходят там.

Существует сильная положительная корреляция между размер стопы и качество письма.

Существует сильная отрицательная корреляция между количество передач вперед, выполненных в футбольном матче и выигранных игра.

Потребление тяжелого кофе имеет положительную корреляцию при сердечных приступах.

Посещение больницы положительно коррелировано с умиранием.

Увеличение количества часов детских часов Телевидение положительно коррелирует со снижением баллов по SAT.

Употребление марихуаны отрицательно коррелирует с высокие GPA.

Другой пример:

«[W] Половина общин страны имеют источники питьевой воды, а половина — нет, девяносто процентов случаев СПИДа поступают из залитых мукой участков, и только десять процентов поступают из нефторированные участки «.

Есть связь?

1. Не все сообщества одинакового размера: сообщества с флоуридом (вероятно, будут большими городами) могут содержать гораздо больше чем половина населения.

2. Отношения могут быть ложными: космополитические / прогрессивные. отношение может поощрять как фторирование, так и образ жизни, связанный с СПИД

Другой пример:

Есть ли причинно-следственная связь между классами посещаемость и достигнутые оценки?

«Студенты с самой низкой посещаемостью самые плохие оценки. Те, кто посещал 79 процентов занятий или меньше оказался в диапазоне низких C; 90% и выше получили средний балл выше B. Студент, сидевший впереди, получил «значительно более высокие оценки», но Уолш [ исследователь] думает, что они могли бы больше интересоваться предметами.»

Джон Стюарт Милль, Система логики, 1843 г.

A не является достаточным условием для B, если А происходит без Б.

A не является необходимым условием для B, если B происходит без A.

Прямой метод соглашения

Найдите причинно-следственную связь между эффектом и необходимое условие

Какой фактор всегда присутствует, когда эффект настоящее?

Если среди жителей общежития нет это сыпь расстройства желудка, мы, вероятно, будем искать один продукт, который все пациенты ели как причина.

1. Заключение касается только происшествий. считается.

2. Вероятно: другие важные условия мог быть упущен из виду; это могло быть сочетание факторов

Обратный метод соглашения

Найдите причинно-следственную связь между эффектом и достаточное состояние

Какой фактор всегда отсутствует при возникновении эффекта отсутствуют?

Пятеро заводских рабочих признаны неэффективными относительно других, которые делают ту же работу.Эффективные работники и неэффективные работники оказались похожими во всех отношениях, кроме один: неэффективные не были частью плана распределения прибыли. Заключение: участие в прибыли приводит к эффективности.

1. Заключение касается только происшествий. считается.

2. Вероятно: другие важные условия мог быть упущен из виду; это могло быть сочетание факторов

Двойной метод соглашения

Найдите причину, которая необходима как , так и и достаточное условие

Какой фактор всегда присутствует, когда эффект настоящее?

Какой фактор всегда отсутствует при возникновении эффекта отсутствуют?

Восемь пациентов болеют, и каждый из них дано то или иное средство.Четыре пациента, которым вводили сыворотку S., вылечились. Из тех, кто вылечился, не было дано единственного лекарства для всех. Принадлежащий четверо не излечились, каждому пациенту дали хотя бы одно из лекарств (но не сыворотка S). Сыворотка S считается лекарством.

1. Заключение касается только происшествий. считается.

2. Вероятно: другие важные условия мог быть упущен из виду; это могло быть сочетание факторов

Метод различия

Определите достаточное условие среди возможные кандидаты в конкретном случае

Фактор — единственный, который присутствует когда явление присутствует и отсутствует, когда явление отсутствует.

Две одинаковые белые мыши в контролируемой В эксперименте давали одинаковое количество четырех разных продуктов. Кроме того, одну из мышей кормили определенным препаратом. Спустя некоторое время мышь, которая получил препарат, стал нервным и возбужденным. Исследователи пришли к выводу что препарат вызвал нервозность.

1. Заключение менее общее, чем обратное. метод различия, который применяется ко всем перечисленным случаям

Совместный метод согласия и разногласия

Определите необходимое и достаточное условие то, что присутствует, — это конкретный случай.

Используйте прямой метод соглашения для изоляции необходимые условия (если нет фактора — нет эффекта) и метод различия чтобы выделить те, которых также достаточно.

1. Заключение менее общее, чем двойное метод соглашения, который применяется ко всем перечисленным случаям;

Джордж, который регулярно тренировался, принимал витамины, и много отдыхал, заболел редкой болезнью. Врачи управляли антибиотик и болезнь исчезла. убежден, что лекарство было вызвано либо упражнением, либо отдыхом, либо антибиотиком врачи искали для аналогичных случаев.Из двух найденных, один не занимался спортом, взял нет витаминов, и мало отдыхала. Ему дали тот же антибиотик и был вылечен. Другой человек, который сделал то же самое, что и Джордж, получил без антибиотика и не вылечился. Врачи пришли к выводу, что Джордж был вылечили антибиотиком.

Метод остатков

«Отделить от группы причинно связанных условия и явления, те нити причинной связи, которые уже известная, оставляя требуемую причинную связь как «остаток».»

Метод сопутствующей вариации

Сопоставьте вариации в одном условии с вариациями в другой.

Корреляция и причинно-следственная связь

А корреляция это мера или степень взаимосвязи между двумя переменными. Набор данных может быть положительно коррелирован, отрицательно коррелирован или вообще не коррелирован. По мере увеличения одного набора значений другой набор имеет тенденцию к увеличению, и это называется положительной корреляцией.

По мере увеличения одного набора значений другой набор имеет тенденцию к уменьшению, что называется отрицательной корреляцией.

Если изменение значений одного набора не влияет на значения другого, то говорят, что переменные не имеют «корреляции» или «нулевой корреляции».

А причинная связь между двумя событиями существует, если возникновение первого вызывает другое. Первое событие называется причиной, а второе событие — следствием. Корреляция между двумя переменными не подразумевает причинно-следственной связи.С другой стороны, если между двумя переменными существует причинно-следственная связь, они должны быть коррелированы.

Пример:

Исследование показывает, что существует отрицательная корреляция между беспокойством учащегося перед тестом и его оценкой. Но нельзя сказать, что тревога причины более низкий балл по тесту; могут быть и другие причины — например, ученик плохо учился.Таким образом, корреляция здесь не подразумевает причинно-следственной связи.

Однако примите во внимание положительную корреляцию между количеством часов, которые вы тратите на подготовку к тесту, и оценкой, которую вы получите за него. Здесь также есть причинно-следственная связь; если вы тратите больше времени на учебу, вы получите более высокую оценку.

Одним из наиболее часто используемых показателей корреляции является корреляция моментов продукта Пирсона или коэффициент корреляции Пирсона.Он измеряется по формуле,

р Икс у знак равно п ∑ Икс у — ∑ Икс ∑ у ( п ∑ Икс 2 — ( ∑ Икс ) 2 ) ( п ∑ у 2 — ( ∑ у ) 2 )

Значение коэффициента корреляции Пирсона варьируется от — 1 к + 1 где –1 указывает на сильную отрицательную корреляцию, а + 1 указывает на сильную положительную корреляцию.

7.2 Причинно-следственные связи — Научное исследование социальной работы

Задачи обучения

• Определите и приведите примеры идиографических и номотетических причинно-следственных связей
• Опишите роль причинности в количественном исследовании по сравнению с качественным исследованием
• Определите, определите и опишите каждый из основных критериев номинальных причинно-следственных связей
• Опишите разницу и приведите примеры независимых, зависимых и управляющих переменных
• Дайте определение гипотезе, уметь сформулировать четкую гипотезу и обсудить соответствующие роли количественных и качественных исследований, когда дело доходит до гипотез

Большинство социальных исследований пытаются дать какое-то причинное объяснение.В исследовании вмешательства по предотвращению жестокого обращения с детьми делается попытка установить связь между вмешательством и изменениями в жестоком обращении с детьми. Причинность относится к идее, что одно событие, поведение или убеждение приведет к возникновению другого последующего события, поведения или убеждения. Другими словами, речь идет о причине и следствии. Это кажется простым, но вы можете быть удивлены, узнав, что существует несколько способов объяснить, как одно вызывает другое. Как это может быть? Как может быть много способов понять причинность?

Вспомните нашу главу о парадигмах, которые были аналитическими линзами, состоящими из предположений о мире.Вы запомните позитивистскую парадигму как ту, которая верит в объективность, и социальную конструктивистскую парадигму как ту, которая верит в субъективность. Обе парадигмы являются правильными, хотя и неполными, точками зрения на социальный мир и социальные науки.

Исследователь, работающий в парадигме социального конструкционизма, рассматривал бы истину как субъективную. Что касается причинно-следственной связи, мы должны сообщать о том, что люди говорят нам, чтобы мы могли понять, что к чему. Это кажется простым, правда? А что, если два разных человека увидят одно и то же событие с одной и той же точки зрения и предложат два совершенно разных объяснения того, что к чему? Социальный конструкционист сказал бы, что оба человека правы.Не существует одной единственной истины, которая подходит для всех, но существует множество истин, созданных и разделяемых людьми.

Когда социальные конструкционисты занимаются наукой, они пытаются установить идиографическую причинность. Идиографическое причинное объяснение означает, что вы попытаетесь исчерпывающе объяснить или описать свой феномен, основываясь на субъективном понимании ваших участников. Эти объяснения связаны с рассказами, которые люди создают о своей жизни и опыте, и включены в культурный, исторический и экологический контекст.Идиографические причинные объяснения настолько сильны, потому что они передают глубокое понимание явления и его контекста. С точки зрения социального конструкционизма, правда запутана. Идиографическое исследование включает в себя поиск закономерностей и тем в причинно-следственных связях, установленных участниками вашего исследования.

Если это не похоже на то, что вы обычно называете «наукой», вы не одиноки. Хотя идеи, лежащие в основе идиографических исследований, в философии довольно стары, они применялись к наукам только в начале прошлого века.Если мы думаем об известных ученых, таких как Ньютон или Дарвин, они никогда не считали истину субъективной. Они установили законы науки, которые были объективно верными и применимыми во всех ситуациях. Ньютон, Дарвин и другие действовали в рамках позитивистской парадигмы, которая и сегодня продолжает доминировать в большей части науки. Когда позитивисты пытаются установить причинно-следственную связь, они пытаются предложить широкое, всеобъемлющее объяснение, универсально верное для всех людей. Это отличительная черта номотетического причинного объяснения .

Номотетические причинные объяснения также невероятно мощны, потому что они позволяют ученым делать прогнозы о том, что произойдет в будущем, с определенной точностью. Более того, они позволяют ученым обобщить , то есть сделать заявления о большой популяции на основе меньшей выборки людей или предметов. Обобщение важно, поскольку у нас явно нет времени спрашивать у всех их мнение по теме, и мы не можем рассматривать каждое взаимодействие в социальном мире.Нам нужен тип причинного объяснения, который помогает нам предсказывать и оценивать истину во всех ситуациях.

Если это все еще кажется малоизвестным философским термином, давайте рассмотрим пример. Представьте, что вы работаете в общественной некоммерческой организации, обслуживающей людей с ограниченными возможностями. Вы составляете отчет, чтобы лоббировать правительство штата, и вам необходимо поддержать свой аргумент в пользу дополнительного финансирования дальнейших программ поддержки сообщества в вашем агентстве. Обратившись к номотетическим исследованиям, вы узнаете, что предыдущие исследования связывали программы на уровне сообществ, подобные вашей, с положительными результатами в отношении здоровья и трудоустройства людей с ограниченными возможностями.Номотетические исследования направлены на объяснение того, что программы на уровне сообществ лучше подходят для 90 249 человек и 90 250 человек с ограниченными возможностями. Обратившись к идиографическим исследованиям, вы узнаете, что значит быть человеком, участвующим в общественной программе, прочитав их личные отчеты о своем жизненном опыте. Используя идиографические исследования, вы можете понять, каково быть инвалидом, а затем сообщить об этом правительству штата. Например, человек может сказать: «Я чувствую себя как дома в этом агентстве, потому что они относятся ко мне как к члену семьи» или «Это агентство помогло мне получить мою первую зарплату.”

Ни одно из причинно-следственных объяснений не лучше другого. Решение провести идиографическое исследование означает, что вы попытаетесь исчерпывающе объяснить или описать свое явление, уделяя внимание культурному контексту и субъективным интерпретациям. Решение провести номотетическое исследование означает, что вы попытаетесь объяснить, что верно для всех, и предсказать, что будет правдой в будущем. Короче говоря, идиографические объяснения имеют большую глубину, а номотетические объяснения — большую широту.Что наиболее важно, социальные работники понимают ценность обоих подходов к пониманию социального мира. Социальный работник, помогающий клиенту с проблемами злоупотребления психоактивными веществами, ищет идиографические знания, когда они спрашивают об истории жизни этого клиента, исследуют его уникальную физическую среду или исследуют, как они понимают свою зависимость. Социальный работник также использует номотетические исследования для применения обобщаемых знаний о том, что обычно помогает людям с расстройствами, связанными с употреблением психоактивных веществ, таких как минимизация факторов риска, максимизация защитных факторов и использование методов терапии, основанной на доказательствах.

Один из моих любимых моментов в классе произошел в начале моей педагогической карьеры. Я проинструктировал своих студентов формировать группы, обсуждать исследовательские вопросы, которые они составили для своих проектов, и обеспечивать обратную связь друг с другом. Я слышал, как одна группа пыталась помочь студенту перефразировать свой исследовательский вопрос. Один студент спросил другого: «Ты пытаешься обобщить… или нет?» На их собственном языке они имели в виду номотетические причинно-следственные связи.

Итак, вы пытаетесь обобщить свои потенциальные результаты исследования… или нет? Отвечая на этот вопрос, вы сможете понять, как концептуализировать и разработать свой исследовательский проект.Если вы пытаетесь обобщить или создать номотетическую причинно-следственную связь, то остальные из этих утверждений, скорее всего, будут правдой: вы будете использовать количественные методы, дедуктивно рассуждать и участвовать в объяснительных исследованиях. Откуда мне все это знать? Давайте рассмотрим это по частям.

Номотетические причинно-следственные связи стремятся к обобщению. Чтобы явления можно было обобщить, их необходимо точно измерить и свести к общепринятым терминам, таким как математика и статистика. С одной стороны, не все количественные методы имеют объяснительный характер.Например, описательное исследование может выявить количество людей, не имеющих дома в вашем округе, хотя оно не скажет вам, почему они бездомные. С другой стороны, почти все объяснительные исследования носят количественный характер. Исследователи-объяснители хотят ясного объяснения типа «x вызывает y», поэтому они используют универсальный язык математики для достижения своей цели. В общем, номотетические причинно-следственные связи используют количественные методы для достижения обобщаемости и доказательства причинно-следственных связей.

Когда мы говорим о x и y, мы говорим о взаимосвязях между переменными.Когда одна переменная вызывает или способствует изменению другой, у нас есть то, что исследователи называют независимыми и зависимыми переменными. В нашем примере о порке и агрессивном поведении шлепание будет независимой переменной, а агрессивное поведение — зависимой переменной. Независимая переменная является причиной, а зависимая переменная является следствием. Зависимые переменные зависят от независимых переменных. Если вы запутались, вспомните графические соотношения, представленные ниже.

Рис. 7.1 Визуальное представление номотетической причинно-следственной связи

При попытке заявить о номотетической причинной связи важно учитывать силу этой связи. Сила отношений не относится к прочности вашей дружбы или брака, скорее в этом контексте это относится к статистической значимости. Чем более статистически значимой является связь между двумя переменными, тем больше мы можем быть уверены в силе этой связи.Если вы вспомните, как мы обсуждали статистическую значимость в главе 3, вы помните, что в статистике оно обычно представлено как значение p .

Гипотеза — это утверждение, которое описывает ожидания исследователя относительно того, что они ожидают найти. В количественном исследовании гипотезы представляют собой номотетическую причинно-следственную связь, которую исследователь ожидает продемонстрировать между независимыми и зависимыми переменными. Ваш прогноз должен быть взят из теории или модели социального мира.Например, вы можете выдвинуть гипотезу о том, что теплое и позитивное отношение к клиническим клиентам, вероятно, поможет им в достижении их терапевтических целей. Эта гипотеза будет использовать гуманистические теории Карла Роджерса. Использование предыдущих теорий для создания гипотез является примером дедуктивного исследования. Если теория безусловного положительного отношения Роджерса верна, ваша гипотеза должна быть верной. В общем, все номотетические причинно-следственные связи должны использовать дедуктивное рассуждение.

Рассмотрим пару примеров.В исследовании сексуальных домогательств (Uggen & Blackstone, 2004) можно предположить, основываясь на феминистских теориях сексуальных домогательств, что женщины чаще, чем мужчины, будут испытывать определенные сексуальные домогательства. Какая здесь предсказывается причинно-следственная связь? Какая переменная является независимой, а какая зависимой? В этом случае мы предположили, что пол человека (независимая переменная) предсказывает вероятность того, что он подвергнется сексуальным домогательствам (зависимая переменная).

Иногда исследователи предполагают, что отношения пойдут в определенном направлении.В результате можно сказать, что увеличение или уменьшение одной области вызывает увеличение или уменьшение другой. Например, вы можете изучить взаимосвязь между возрастом и поддержкой легализации марихуаны. Возможно, вы посещали занятия по социологии и использовали прочитанные вами теории, чтобы выдвинуть гипотезу о том, что возраст отрицательно влияет на поддержку легализации марихуаны. Вы только что выдвинули гипотезу о том, что по мере взросления вероятность того, что они поддержат легализацию марихуаны, уменьшается. Таким образом, по мере того, как возраст (ваша независимая переменная) движется в одном направлении (вверх), поддержка легализации марихуаны (ваша зависимая переменная) движется в другом направлении (вниз).Кроме того, положительные отношения включают две переменные, идущие в одном направлении, а отрицательные отношения включают две переменные, идущие в противоположных направлениях. Если написание гипотез кажется затруднительным, иногда полезно выделить их и изобразить каждую из двух гипотез, которые мы только что обсудили.

Рисунок 7.2 Гипотеза, описывающая ожидаемую связь между сексом и сексуальными домогательствами Рисунок 7.3 Гипотеза, описывающая ожидаемое направление взаимосвязи между возрастом и поддержкой легализации марихуаны

Важно отметить, что после начала исследования неэтично изменять свою гипотезу, чтобы она соответствовала найденным вами данным.Что произойдет, если вы проведете исследование для проверки гипотезы из рисунка 7.3 о поддержке легализации марихуаны, но не обнаружите взаимосвязи между возрастом и поддержкой легализации? В этом примере ваша гипотеза была ошибочной, но вы все равно можете извлечь ценную информацию из своего неверного прогноза. Ваше исследование поставит под сомнение то, что в существующей литературе говорится по вашей теме, и, следовательно, продемонстрирует, что необходимо провести дополнительные исследования, чтобы выяснить факторы, которые влияют на поддержку легализации марихуаны.Не смущайтесь отрицательными результатами и определенно не меняйте свою гипотезу, чтобы она всегда казалась верной!

Допустим, вы проводите исследование и находите доказательства, подтверждающие вашу гипотезу. С возрастом поддержка легализации марихуаны уменьшается. Успех! Причинно-следственное объяснение полно, верно? Не совсем. Вы установили только один из критериев причинно-следственной связи. Основные критерии причинности связаны с ковариацией, правдоподобием, темпоральностью и ложностью.В нашем примере с рис. 7.3 мы установили только один критерий — ковариацию. Когда переменные коварируют , они изменяются вместе. В нашем исследовании возраст и поддержка легализации марихуаны различаются. В нашей выборке представлены люди разного возраста и разного уровня поддержки легализации марихуаны.

Наличие некоторой корреляции между двумя переменными не означает, что причинно-следственная связь между ними правдоподобна. Правдоподобие означает, что для того, чтобы утверждать, что одно событие, поведение или убеждение вызывает другое, утверждение должно иметь смысл.Логично, что люди предыдущих поколений относились к марихуане иначе, чем молодые. Люди, выросшие во времена Reefer Madness или хиппи, могут придерживаться иных взглядов, чем те, кто вырос в эпоху легализованного использования марихуаны в медицинских и рекреационных целях.

Как только мы установили, что существует правдоподобная взаимосвязь между двумя переменными, нам также необходимо установить, возникла ли причина до следствия, критерий темпоральности .Возраст человека — это качество, которое появляется задолго до любых мнений о политике в отношении наркотиков, поэтому временно причина предшествует следствию. Бессмысленно говорить, что поддержка легализации марихуаны увеличивает возраст человека. Даже если вы могли бы предсказать возраст кого-то на основе их поддержки легализации марихуаны, вы не могли бы сказать, что чей-то возраст был обусловлен их поддержкой легализации.

Наконец, ученые должны установить объективность. Ложная связь — это связь между двумя переменными, которая кажется причинной, но может быть объяснена третьей переменной.Например, мы могли бы указать на тот факт, что более старшие когорты с меньшей вероятностью употребляли марихуану, что может повлиять на их негативное отношение к легализации. Это часто называют проблемой третьей переменной, когда кажущаяся истинной причинная связь на самом деле вызвана третьей переменной, не включенной в гипотезу. В этом примере связь между возрастом и поддержкой легализации может быть больше связана с употреблением марихуаны, чем с возрастом человека.

Количественные исследователи чувствительны к последствиям потенциально ложных отношений.Они являются важной формой критики научной работы. В результате они часто будут измерять эти третьи переменные в своих исследованиях, чтобы контролировать их влияние. Они называются контрольными переменными , и они относятся к переменным, влияние которых контролируется математически в процессе анализа данных. Контрольные переменные могут немного сбивать с толку, но думайте об этом как о споре между вами, исследователем и критиком.

Исследователь: «Чем старше человек, тем меньше вероятность, что он поддержит легализацию марихуаны.”

Критик: «На самом деле, это больше о том, употреблял ли человек марихуану раньше. Это то, что действительно определяет, поддерживает ли кто-то легализацию марихуаны ».

Исследователь: «Ну, я измерил предыдущее употребление марихуаны в своем исследовании и математически контролировал ее эффекты в своем анализе. Взаимосвязь между возрастом и поддержкой легализации марихуаны по-прежнему статистически значима и является наиболее важной взаимосвязью здесь ».

Давайте рассмотрим еще несколько реальных примеров ложности.Можно утверждать, хотя и неверно, что высокие темпы продаж мороженого вызывают утопление, потому что между двумя переменными существует положительная взаимосвязь. В этом случае время года (лето) является третьей переменной, которая вызывает как высокие продажи мороженого, так и рост смертности от утопления (Babbie, 2010). Вот еще один хороший пример: это правда, что с ростом зарплат пресвитерианских священников в Массачусетсе растет и цена на ром в Гаване, Куба. Ну, да, вы могли бы сказать себе.Все знают, насколько министры в Массачусетсе любят свой ром, верно? Не так быстро. И зарплаты, и цены на ром, правда, выросли, но вместе с тем выросли и цены на все остальное (Huff & Geis, 1993). Наконец, исследования показывают, что по мере увеличения количества пожарных на месте происшествия увеличивается ущерб, нанесенный на месте происшествия. Конечно, в этом заявлении не упоминается, что размер пожара влияет на размер ущерба и количество пожарных, прибывших на место происшествия (Frankfort-Nachmias & Leon-Guerrero, 2011).В каждом из этих примеров именно наличие третьей переменной объясняет очевидную взаимосвязь между двумя исходными переменными.

Таким образом, для того, чтобы корреляция считалась причинной, должны быть выполнены следующие критерии:

• Две переменные должны изменяться вместе.
• Отношение должно быть правдоподобным.
• Причина должна предшествовать следствию во времени.
• Отношение не должно быть ложным (не из-за третьей переменной).

Если эти критерии соблюдены, исследователь может сказать, что он получил номотетическое причинное объяснение, которое объективно верно.Перед исследователями стоит непростая задача. Крайне редко можно услышать, как исследователи заявляют, что они доказали своих гипотез. Утверждение, выделенное жирным шрифтом, означает, что связь была доказана с абсолютной уверенностью и что нет никаких шансов, что существуют условия, при которых гипотеза не будет верной. Вместо этого исследователи склонны говорить, что их гипотезы были поддержаны (или нет). Такой способ обсуждения результатов более осторожен и оставляет место для потенциального открытия новых свидетельств или новых способов изучения взаимосвязи.Исследователи также могут обсудить нулевую гипотезу. В главе 3 мы рассмотрели, что нулевая гипотеза — это гипотеза, которая не предсказывает взаимосвязи между изучаемыми переменными. Если исследователь отвергает нулевую гипотезу, он заявляет, что рассматриваемые переменные каким-то образом связаны друг с другом.

Помните наш вопрос: «Вы пытаетесь обобщить… или нет?» Если вы ответили «нет», вы пытаетесь установить идиографическую причинно-следственную связь. Я могу предположить, что если вы пытаетесь установить идиографическую причинно-следственную связь, вы, вероятно, собираетесь использовать качественные методы, индуктивно рассуждать и участвовать в исследовательских или описательных исследованиях.Мы можем понять эти предположения, рассмотрев их одно за другим.

Исследователи, ищущие идиографические причинно-следственные связи, не пытаются обобщать, поэтому у них нет необходимости сводить явления к математике. Фактически, сведение социального мира к языку математики может быть проблематичным, поскольку оно лишает причинную связь его значения и контекста. Идиографические причинно-следственные связи связаны с историями и интерпретациями людей. Обычно это выражается словами.Хотя в большинстве качественных исследований используются словесные данные, некоторые могут использовать интерпретацию визуального искусства или перформанса.

Но подождите, я предсказал, что идиографические причинно-следственные связи будут основаны на описательных или исследовательских исследованиях. Как мы можем построить причинно-следственные связи, если мы просто описываем или исследуем тему? Разве нам не нужно проводить объяснительные исследования, чтобы построить какое-либо причинное объяснение? Объяснительное исследование пытается установить номотетические причинно-следственные связи — показано, что независимая переменная вызывает изменения в зависимой переменной.Исследовательское и описательное качественное исследование содержит некоторые причинно-следственные связи, но на самом деле они являются описанием причинно-следственных связей, установленных участниками вашего исследования. Вместо того, чтобы говорить «x вызывает y», ваши участники опишут свой опыт с «x», в котором они объяснят различные способствующие факторы, которые зависят от времени, окружающей среды и субъективного опыта. Как мы заявляли ранее, идиографические причинные объяснения беспорядочные. Ваша задача как исследователя социальных наук — точно описывать закономерности в том, что вам говорят участники.

Рассмотрим пример. Что бы вы ответили, если бы я спросил, почему вы решили стать социальным работником? Что касается меня, я бы сказал, что хотел стать психиатром с тех пор, как учился в старшей школе. Меня интересовало, как думают люди. Во время моей второй стажировки по программе бакалавриата мне посоветовали стать социальным работником, потому что лицензия давала больше полномочий для выплаты страхового возмещения и гибкости при смене карьеры. Хотя это непростое объяснение, мое описание дает более глубокое понимание множества факторов, которые привели меня к тому, чтобы стать социальным работником.Если мы опросим многих социальных работников о факторах, которые привели их к этой области, мы могли бы начать замечать закономерности. Мы можем обнаружить, что многие социальные работники начинают свою карьеру на основании множества факторов, таких как: личный опыт с инвалидностью или социальной несправедливостью, положительный опыт общения с социальными работниками или желание помочь другим. Ни один фактор не является «самым важным фактором», как в случае номотетических причинно-следственных связей. Вместо этого, когда вы интерпретируете то, что говорят люди, в наборе данных появляется сложная сеть факторов, зависящих от контекста.

Как вы помните из главы 6, индуктивное рассуждение — это поиск закономерностей в данных. В исследовательском проекте с использованием индуктивного мышления исследователь собирает данные, обычно в форме слов, и ищет закономерности. Эти закономерности определяют теории, которые мы используем в социальной работе. Во многих отношениях идиографические причинно-следственные связи, которые вы создаете в качественном исследовании, похожи на социальные теории, которые мы рассмотрели в главе 6 (например, теория социального обмена), и другие теории, которые вы используете в своих практических и теоретических курсах.Теории — это объяснения того, как разные концепции связаны друг с другом, как эта сеть отношений работает в реальном мире. Хотя вы можете думать о теориях, подобных теории систем, как о теории (с большой буквы), индуктивные причинно-следственные связи похожи на теорию с маленькой буквой t. Они могут относиться только к участникам, среде и моменту времени, когда вы собирали свои данные. Тем не менее, они вносят важную информацию в совокупность знаний по изучаемой вами теме.

Со временем, по мере того, как завершаются все более качественные исследования и в разных исследованиях и местах выявляются закономерности, появляются более сложные теории, объясняющие явления в различных контекстах. Таким образом, качественные исследователи используют идиографические причинные объяснения для теории , строя или создавая новые теории, основанные на индуктивных рассуждениях. Количественные исследователи, с другой стороны, используют номотетические причинно-следственные связи для проверки теории , в которой гипотеза создается на основе существующей теории (большой T или маленький t) и проверяется математически (т.е.е., дедуктивное рассуждение).

Если вы планируете изучать домашнее и сексуальное насилие, вы, скорее всего, столкнетесь с Колесом власти и контроля. [6] Колесо — это модель того, как власть и контроль действуют в отношениях с физическим насилием. Колесо было разработано на основе качественных фокус-групп, проведенных защитниками сексуального и домашнего насилия в Дулут, Миннесота. Хотя у защитников, вероятно, были некоторые предварительные гипотезы о том, что важно в отношениях с домашним насилием, участники этих фокус-групп предоставили информацию, которая стала колесом власти и контроля.По мере того, как проводится качественное исследование и исследователи учатся у своих участников, гипотезы становятся более ясными и конкретными.

Как только теория разработана на основе качественных данных, количественный исследователь может попытаться проверить эту теорию. Например, количественный исследователь может выдвинуть гипотезу о том, что мужчины, занимающие традиционные гендерные роли, более склонны к насилию в семье. Это имело бы смысл на основе модели колеса власти и контроля, поскольку категория «использование мужских привилегий» говорит об этих отношениях.Таким образом, качественно выведенная теория может вдохновить гипотезу для количественного исследовательского проекта.

В отличие от номотетических причинно-следственных связей, не существует формальных критериев для установления причинности в идиографических причинно-следственных связях. Фактически, могут быть нарушены некоторые критерии, такие как временность и непредсказуемость. Например, если клиент-подросток говорит: «Мне сложно сказать, началась ли моя депрессия до того, как я начал пить, но обе стали хуже, когда меня исключили из моей первой старшей школы», они признают, что часто не все так просто. вещь вызывает другое.Иногда существует взаимная взаимосвязь, когда одна переменная (депрессия) влияет на другую (злоупотребление алкоголем), что затем возвращается в первую переменную (депрессия), а также в другие переменные (школа). Другие критерии, такие как ковариация и правдоподобие, по-прежнему имеют смысл, потому что отношения, которые вы выделяете в своем идиографическом причинно-следственном объяснении, должны быть правдоподобно правдивыми, а их элементы должны варьироваться вместе.

Точно так же идиографические причинные объяснения различаются с точки зрения гипотез.Если вы помните из предыдущего раздела, гипотезы в номинальных причинных объяснениях — это проверяемые предсказания, основанные на предыдущей теории. В идиографических исследованиях у исследователя, скорее всего, есть гипотезы, но они более предварительные. Вместо предсказания «x будет уменьшать y» исследователи будут использовать предыдущую литературу для определения концепций, которые могут быть важны для участников, и того, как участники могут реагировать во время исследования. На основе анализа литературы исследователь может сформулировать несколько предварительных гипотез о том, что они ожидают найти в своем качественном исследовании.В отличие от номотетических гипотез, они могут измениться в процессе исследования. По мере того, как исследователь узнает больше от своих участников, они могут вводить новые концепции, о которых говорят участники. Поскольку участники являются экспертами в идиографических причинно-следственных связях, исследователь должен быть открыт для возникающих тем и соответственно менять свои исследовательские вопросы и гипотезы.

Идиографические и номотетические причинные объяснения образуют «две корзины» элементов дизайна исследования, изображенных на Рисунке 7.4 ниже. Позже они также определят метод выборки, меры и анализ данных в вашем исследовании.

Рисунок 7.4: Две корзины (или подходы) для исследования

В большинстве случаев смешивание компонентов из одной корзины с другой не имеет смысла. Если вы используете количественные методы с идиографическим вопросом, вы не получите из собственных слов участников того глубокого понимания, которое вам нужно для ответа на идиографический вопрос. Например, знание того, что кто-то набрал 20/35 баллов по числовому индексу, измеряющему симптомы депрессии, не говорит вам, что депрессия означает для этого человека.Точно так же качественные методы не часто используются для дедуктивного мышления, потому что качественные методы обычно стремятся понять точку зрения участника, а не проверить, что существующая теория говорит о концепции.

Однако это не жесткие правила. Существует множество качественных исследований, которые пытаются проверить теорию. Существует меньше социальных конструкционистских исследований с использованием количественных методов, хотя исследования иногда включают количественную информацию об участниках.Исследователи критической парадигмы могут вписаться в любую группу, в зависимости от их исследовательского вопроса, поскольку они сосредоточены на освобождении людей от деспотических внутренних (субъективных) или внешних (объективных) сил.

Позже мы рассмотрим, как исследователи смешанных методов могут использовать оба сегмента одновременно, но пока важно, чтобы вы понимали логику, которая связывает идеи в каждом отдельном сегменте. Это не только фундаментально для понимания того, как создаются и проверяются знания в социальной работе, но и говорит о допущениях и основаниях, на которых построены социальные теории!

Основные выводы

• Идиографические исследования фокусируются на субъективности, контексте и значении.
• Номотетические исследования фокусируются на объективности, предсказании и обобщении.
• В качественных исследованиях цель обычно состоит в том, чтобы понять множество причин, которые объясняют конкретный случай, который исследует исследователь.
• В количественных исследованиях целью может быть понимание более общих причин некоторого явления, а не идиосинкразии одного конкретного случая.
• Чтобы установить номотетическую причинно-следственную связь:
  • 1) взаимосвязь должна быть достоверной
  • 2) отношения не должны быть ложными
  • 3) причина должна предшествовать следствию во времени
  • 4) независимая переменная должна вызывать изменения в зависимой переменной
• Гипотезы — это утверждения, основанные на теории, которые описывают ожидания исследователя относительно взаимосвязи между двумя или более переменными.
• Качественные исследования могут создавать теории, которые можно проверить количественно.
• Выбор идиографических или номотетических причинно-следственных связей требует рассмотрения методов, парадигмы и рассуждений.
• В зависимости от того, ищете ли вы номотетического или идиографического причинно-следственного объяснения, вы, вероятно, будете использовать определенные компоненты дизайна исследования.

Глоссарий

Причинность — идея о том, что одно событие, поведение или убеждение приведет к возникновению следующего события, поведения или убеждения

Управляющие переменные — влияние потенциальных «третьих переменных» математически контролируется в процессе анализа данных, чтобы выявить взаимосвязь между независимой и зависимой переменной; используется для установления критериев непредсказуемости в номотетических причинно-следственных связях

Ковариация — степень, в которой две переменные изменяются вместе

Зависимая переменная — переменная, зависящая от изменения независимой переменной

Обобщить — сделать заявления о большей совокупности на основе исследования меньшей репрезентативной выборки

Гипотеза — утверждение, описывающее ожидания исследователя относительно того, что они ожидают найти.

Идиографическое исследование — попытки исчерпывающего объяснения или описания явления на основе субъективного понимания участников

Независимая переменная — переменная, вызывающая изменение зависимой переменной

Номотетическое исследование — дает более общее, всеобъемлющее объяснение, универсально верное для всех людей

Правдоподобие — чтобы утверждать, что одно событие, поведение или убеждение вызывает другое, это утверждение должно иметь смысл

Ложная связь — связь между двумя переменными кажется причинной, но на самом деле может быть объяснена какой-то третьей переменной

Статистическая значимость — вероятность того, что наблюдаемые взаимосвязи вызваны чем-то иным, чем случайность; уровень уверенности исследователей в математических отношениях

Темпоральность — любая причина, которую определяет исследователь, должна произойти до появления эффекта

Построение теории — создание новых теорий, основанных на индуктивных рассуждениях

Проверка теории — когда гипотеза создается на основе существующей теории и проверяется математически

Атрибуция изображений

Микадо от 3dman_eu CC-0

Прогноз погоды по телеканалу mohamed_hassan CC-0

Беатрис Бирра Рассказ Энтони Кросса в Африканском художественном музее общественное достояние

Причинная связь — обзор

Внутренняя и внешняя валидность

Причинная связь одной концепции с другой иногда также обсуждается с точки зрения валидности. Внутренняя валидность относится к устойчивости отношения одного понятия к другому, внутреннему по отношению к изучаемому вопросу исследования. Большая часть обсуждения в разделе «Угрозы действительности и тесты на валидность» относятся к внутренней валидности меры по сравнению с другой концепцией, с которой она теоретически коррелирует. Внешняя валидность относится к большей обобщаемости отношений между двумя исследуемыми концепциями. Применимы ли выявленные отношения вне исследовательского исследования?

Связь между одним показателем и другим может быть истинным отношением, или это может быть ложное отношение, вызванное неверным измерением одного из показателей.То есть две меры могут быть связаны из-за неправильного измерения, а не потому, что эти две меры действительно коррелированы друг с другом. Точно так же две меры, которые действительно связаны, могут остаться необнаруженными, потому что неверное измерение препятствует обнаружению корреляции. К настоящему времени читатель должен осознавать, что не все меры являются полностью достоверными, и есть надежда, что ошибка, вызванная проецированием теории на реальный мир, мала и беспристрастна, так что взаимосвязи, будь то выводы о том, что две меры коррелированы или нет, правильно определены.

Все угрозы действительности относятся к силе внутренней достоверности взаимосвязи между двумя показателями, поскольку эти две меры должны быть действительными, чтобы можно было определить истинную взаимосвязь между ними, если таковая существует. Большая часть обсуждения тестов содержания и конвергентной валидности также относится к внутренней валидности. Кроме того, исследователи должны учитывать правила вывода при определении того, являются ли отношения настоящими или ложными. Есть ли неконтролируемые факторы, влияющие на отношения? Классическим примером анализа временных рядов является коинтеграция, перемещение двух рядов вместе во времени, таких как размер населения и размер экономики, или любой другой показатель, который со временем увеличивается или уменьшается.В предыдущем примере явки избирателей смешивающее влияние роста неприемлемого населения привело к тому, что исследователи неправильно коррелировали в значительной степени неверную меру снижения явки избирателей с негативной рекламой, упадком социального капитала, ростом кабельного телевидения, финансированием избирательной кампании, смертью поколения Второй мировой войны, глобализации и упадка усилий политических партий по мобилизации избирателей.

Внешняя валидность относится к обобщаемости отношений вне рамок исследования.Возможно, наиболее отличительной чертой социальных наук от точных наук является то, что социологи не могут позволить себе роскошь проводить контролируемые эксперименты. Невозможно вернуться в историю и изменить события, чтобы определить гипотетические противоречия, в то время как физики могут неоднократно сталкивать частицы вместе и наблюдать, как меняющиеся условия меняют результаты. Ближе всего социальные науки подходят к контролируемым экспериментам в лабораторных условиях, где наблюдают, как люди реагируют на стимулы в контролируемых ситуациях.Но применимы ли эти лабораторные эксперименты к реальным ситуациям извне?

В классическом психологическом эксперименте испытуемому, сидящему на стуле, говорят, что кнопка перед ним соединена с электрическим датчиком, прикрепленным ко второму испытуемому. Когда кнопка нажата, подается возрастающее напряжение. Неизвестный субъекту, кнопка прикреплена только к динамику, имитируя крики боли. При определенных обстоятельствах субъекты вынуждены подавать смертельные дозы напряжения.

Такие лабораторные эксперименты поднимают вопрос о том, будут ли в реальных ситуациях испытуемые реагировать аналогичным образом и передавать смертельный заряд другому человеку, т. Е. Является ли эксперимент внешне достоверным? Психологи, социологи, политологи, экономисты, теоретики когнитивной науки и другие, кто участвует в лабораторных экспериментах в области социальных наук, старательно приближают лабораторию к реальному миру, насколько это возможно, чтобы контролировать сбивающее с толку влияние, которое люди могут вести себя по-разному, если они знают, что наблюдаются.Например, это может быть одностороннее окно для наблюдения за поведением ребенка. К сожалению, иногда лабораторную атмосферу невозможно удалить, например, когда испытуемые занимаются компьютерным моделированием, и испытуемые обычно до начала лабораторного эксперимента знают, что за ними наблюдают.

Внешняя достоверность также является проблемой при прогнозировании, когда взаимосвязи, основанные на наблюдаемых взаимосвязях, могут потерпеть неудачу при прогнозировании гипотетических или ненаблюдаемых событий.Например, экономисты часто описывают фондовый рынок как случайное блуждание. Несмотря на аналитические графики, на которых изображены уровни поддержки и простые линии тренда, не существует модели, предсказывающей, что произойдет в будущем. По этой причине паевые инвестиционные фонды имеют оговорку: «прошлые результаты не являются гарантией будущих доходов». Успешный менеджер паевого инвестиционного фонда, скорее всего, будет не более успешным, чем другой в следующем деловом квартале.

Фондовый рынок, пожалуй, лучший пример системы, которая очень быстро реагирует на внешние шоки.Непредвиденные потрясения — это проклятие для прогнозирования. Пока условия остаются постоянными, моделирование будет, по крайней мере, в некоторой степени точным, но если мир кардинально изменится, модель может потерпеть неудачу. Точно так же прогнозы экстремальных значений, выходящие за рамки плана исследования, также могут быть ошибочными, или когда мир действует в пределах погрешности прогноза, прогнозы, такие как победитель президентских выборов 2000 года, могут быть неопределенными.

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.

После прочтения этой статьи 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. Причинность явно применяется к случаям, когда действие A вызывает результат B.С другой стороны, корреляция — это просто взаимосвязь. 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 E, вызывая B (но вы видели, что A вызывает B только своими глазами).

Пример корреляции и причинно-следственной связи в аналитике продукта

Можно ожидать, что вы обнаружите причинно-следственную связь в своем продукте, когда 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 выпуска и анонса новой функции сообществ ее приняли около 20% всех пользователей. 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 на первом дне, по сравнению с 50% тех, кто этого не сделал. К 7 дню вы увидите 60% удержания 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 эти два понятия 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 руководство >>

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 (максимальное значение, которое вы можете получить, составляет 99%), вы можете опровергнуть свою нулевую гипотезу.

Первичная гипотеза указывает на причинно-следственную связь, которую вы исследуете, и должна определять 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 свой h2, чтобы сгенерировать вашу 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 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 (при корректировке мешающих переменных, которые могут повлиять на ваши результаты), то вы, вероятно, можете сделать вывод, что между сообществами и пользователем существует некоторая связь. удержание.

Чтобы проверить эту гипотезу, составьте уравнение, которое точно отражает взаимосвязь между ожидаемой причиной (независимая переменная) и следствием (конечная переменная). 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 отдельные свидетельства. Вы можете посмотреть на исторические данные, чтобы выполнить 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 поперечный 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 с 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 попытка провести 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, которую вынудили 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 отношениях, 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 прерывания, 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 лучше вы научитесь определять истинные корреляции в своем продукте, тем лучше вы сможете расставить приоритеты в своих усилиях по вовлечению и удержанию пользователей.

Статистический язык — корреляция и причинно-следственная связь

Корреляция и причинно-следственная связь

Что такое корреляция и причинно-следственная связь и чем они отличаются?
Две или более переменных считаются связанными в статистическом контексте, если их значения изменяются так, что по мере увеличения или уменьшения значения одной переменной изменяется и значение другой переменной (хотя это может быть в противоположном направлении).

Например, для двух переменных «отработанные часы» и «полученный доход» существует связь между ними, если увеличение отработанных часов связано с увеличением заработанного дохода. Если мы рассмотрим две переменные «цена» и «покупательная способность», то по мере увеличения цены на товары способность человека покупать эти товары уменьшается (при условии постоянного дохода).

Корреляция — это статистическая мера (выраженная в виде числа), которая описывает размер и направление взаимосвязи между двумя или более переменными.Однако корреляция между переменными не означает автоматически, что изменение одной переменной является причиной изменения значений другой переменной.

Причинная связь указывает, что одно событие является результатом возникновения другого события; то есть между двумя событиями существует причинно-следственная связь. Это также называется причиной и следствием.

Теоретически разницу между двумя типами отношений легко идентифицировать — действие или событие может вызвать другое (например.грамм. Курение увеличивает риск развития рака легких), или может коррелировать с другим (например, курение связано с алкоголизмом, но не вызывает алкоголизма). Однако на практике по-прежнему сложно четко установить причину и следствие по сравнению с установлением корреляции.

---

Почему важны корреляция и причинно-следственная связь?

Целью многих исследований или научного анализа является определение степени связи одной переменной с другой.Например:

• Есть ли связь между уровнем образования человека и его здоровьем?
• Связано ли владение домашним животным с увеличением продолжительности жизни?
• Увеличила ли маркетинговая кампания компании объем продаж ее продукции?

Эти и другие вопросы исследуют, существует ли корреляция между двумя переменными, и если есть корреляция, то это может направить дальнейшие исследования для выяснения того, вызывает ли одно действие другое. Понимая корреляцию и причинно-следственную связь, он позволяет более целенаправленно проводить политику и программы, направленные на достижение желаемого результата.

---

Как измеряется корреляция?
Для двух переменных статистическая корреляция измеряется с помощью коэффициента корреляции, представленного символом (r), который представляет собой одно число, которое описывает степень взаимосвязи между двумя переменными.

Числовое значение коэффициента находится в диапазоне от +1,0 до –1,0, что указывает на силу и направление взаимосвязи.

Если коэффициент корреляции имеет отрицательное значение (ниже 0), это указывает на отрицательную взаимосвязь между переменными.Это означает, что переменные движутся в противоположных направлениях (то есть, когда одна увеличивается, другая уменьшается, или когда одна уменьшается, другая увеличивается).

Если коэффициент корреляции имеет положительное значение (выше 0), это указывает на положительную взаимосвязь между переменными, означающую, что обе переменные движутся в тандеме, то есть, когда одна переменная уменьшается, другая также уменьшается, или когда одна переменная увеличивается, другая также увеличивается.

Если коэффициент корреляции равен 0, это указывает на отсутствие связи между переменными (одна переменная может оставаться постоянной, в то время как другая увеличивается или уменьшается).

Хотя коэффициент корреляции является полезной мерой, у него есть свои ограничения:

Коэффициенты корреляции обычно связаны с измерением линейной зависимости.
Например, если вы сравниваете отработанные часы и доход, полученный для продавца, который взимает почасовую оплату за свою работу, существует линейная (или прямолинейная) зависимость, поскольку с каждым дополнительным отработанным часом доход будет увеличиваться на постоянную величину.

Если, однако, торговец взимает плату на основе первоначальной платы за вызов и почасовой оплаты, которая постепенно уменьшается по мере увеличения продолжительности работы, связь между отработанными часами и доходом будет нелинейной, и коэффициент корреляции может быть более близким. до 0.

Следует проявлять осторожность при интерпретации значения «r». Можно найти корреляции между многими переменными, однако эти отношения могут быть обусловлены другими факторами и не имеют ничего общего с двумя рассматриваемыми переменными.
Например, продажи мороженого и солнцезащитных кремов могут систематически увеличиваться и уменьшаться в течение года, но это будет взаимосвязь, которая будет зависеть от сезона (т. Е. Более жаркая погода приводит к увеличению количества людей использовать солнцезащитный крем, а также есть мороженое), а не из-за какой-либо прямой связи между продажами солнцезащитного крема и мороженого.

Коэффициент корреляции не должен использоваться, чтобы ничего сказать о причинно-следственной связи. Изучая значение «r», мы можем заключить, что две переменные связаны, но это значение «r» не говорит нам, была ли одна переменная причиной изменения другой.

---

Как установить причинно-следственную связь?

Причинность — это область статистики, которую обычно неправильно понимают и неправильно используют люди, ошибочно полагая, что, поскольку данные показывают корреляцию, обязательно существует лежащая в основе причинная связь

Использование контролируемого исследования является наиболее эффективным способом установления причинно-следственная связь между переменными.В контролируемом исследовании выборка или популяция делятся на две части, причем обе группы сопоставимы почти во всех отношениях. Затем две группы получают разное лечение, и оцениваются результаты каждой группы.

Например, в медицинских исследованиях одна группа может получать плацебо, а другая — новый тип лекарства. Если две группы имеют заметно разные результаты, разный опыт мог вызвать разные результаты.

По этическим причинам существуют ограничения на использование контролируемых исследований; Было бы неуместно использовать две сопоставимые группы и допускать, чтобы одна из них подвергалась вредной деятельности, а другая — нет.Чтобы преодолеть эту ситуацию, часто используются обсервационные исследования для изучения корреляции и причинно-следственной связи для исследуемой популяции. В исследованиях можно изучить поведение и результаты групп, а также увидеть любые изменения с течением времени.

Целью этих исследований является предоставление статистической информации для добавления к другим источникам информации, которая может потребоваться для процесса установления наличия или отсутствия причинно-следственной связи между двумя переменными.

Вернуться на главную страницу статистики

---

Дополнительная информация

ABS:
1500.0 — Руководство по использованию статистики для доказательной политики

корреляция — Есть ли разница между причинно-следственной связью и ПРЯМОЙ причинно-следственной связью?

Оба источника, на которые вы ссылаетесь, довольно плохи.

Самый ясный подход к причинности — это подход с использованием структурных уравнений, потенциальных результатов и причинно-следственных диаграмм [1]. В этом обзоре:

1. Предполагается, что причинные эффекты существуют, даже если их невозможно определить. Это просто логично: сначала нужно определить причинно-следственную связь, прежде чем можно будет даже думать о ее идентификации по данным.{a ‘} _ {i} $, где $ a, a’ $ — два разных фиксированных значения. Если хотя бы для одной единицы и двух разных $ a, a ‘$ эти гипотетические значения B различаются, говорят, что A влияет на B.

2. Прямые причинные эффекты и то, что вы могли бы назвать «полными» причинными эффектами, являются причинными, но потенциально разными. Общий причинный эффект — это то, что я только что описал. Что касается прямых причинных эффектов, они обычно определяются в отношении промежуточных / опосредованных переменных, и на самом деле существует два различных их типа.{a} _ {i}}} _ {i} $: A по-прежнему переключается с a на a ‘, но M фиксируется на своем гипотетическом значении при вмешательстве $ A = a $.

3. Очевидно, исследователи могут знать, что существует общий причинный эффект и какова его величина, но они могут не иметь ни единого представления о механизме / прямых эффектах переменной
4. Могут быть причинные петли, например A, влияющий на B, и B, влияющий на A, хотя они (обычно?) Не могут происходить одновременно, поэтому «петля» — это приближение, которое не учитывает временную задержку, с которой B влияет на A в обратном направлении и так далее.Классический пример: взаимное влияние цен и количества продукта в экономике.