Як науковці досліджують причинно-наслідкові зв’язки?

Часто ми робимо неправильні висновки щодо причинно-наслідкових зв’язків. Наприклад, дані показують, що чим більше люди їдять морозива, тим більше вони топляться, та чим більше люди ходять до лікаря, тим більша у них ймовірність померти. Проте, кореляція між двома показниками не означає причинно-наслідковий зв’язок між ними. Про це я вже розповідав раніше: https://www.facebook.com/583997548/posts/10157956065662549/?d=n
(текст цього поста читайте нижче – ред.)

Але є й інша проблема – більшість людей, яких я зустрічав, не знають як визначити чи зв’язок між двома змінними є причинним? Для цього науковці використовують три основні методи.

1. Теоретичний метод. Спираючись на базові фундаментальні припущення (аксіоми), ми будуємо математичну модель. Якщо наші базові припущення вірні, а математичний аналіз без помилок, то результат – модель, яка показує причинну залежність між змінними та параметрами моделі.

2. Експериментальний метод. Котрольований експеримент – це «золотий стандарт» наукових досліджень. Його не завжди легко провести (особливо у соціальних дослідженнях), але ідея полягає в наступному: вибірку людей ділимо випадковим чином (м.б. рандомізовано) на дві групи – контрольну та експериментальну. Контрольній групі даємо плацебо (placebo) а експериментальній групі – інтервенцію (intervention). Якщо знаходимо різницю між цими двома групами, то знаємо, що різниця спричинена саме інтервенцією.

3. Економетричний метод. Спираючись на статистичні дані, ми намагаємося створити “природній експеримент” (natural experiment) використовуючи економетричні методи. Дехто можливо чув про мультиваріаційну регресію, але, на жаль, мультиваріаційна регресія рідко коли може довести причинність. Тому економетричні дослідження, які намагаються вивчити саме причинність, використовують інструментальні змінні (IV), метод різниць (DID), метод регресійного розриву (RD).

В майбутньому більш детально розповім про кожен з цих методів.

— — —

Причинність? Чому люди топляться через морозиво а лікарі вбивають людей?

Ніколи не робіть поспішних висновків з кореляції, адже кореляція між двома показниками не дорівнює причинно-наслідковому зв’язку між ними.

Наприклад, дані показують позитивну кореляцію: чим більше люди їдять морозива, тим більше вони топляться. Однак ця залежність – випадковість, яка не має причинності. В даному випадку є опущена змінна – сезонність. Люди їдять більше морозива, коли тепло. Так само вони частіше купаються теплим літом. Ну, і тонуть.

Другий приклад, дані показують негативну кореляцію: чим більше люди ходять до лікаря, тим більша у них ймовірність померти швидше. То невже лікарі вбивають людей? Насправді, причина цієї кореляції – селекція. Люди які є більш хворі, частіше відвідують лікарів, і відповідно мають більшу ймовірність померти (не тому, що вони відвідують лікарів, а тому, що вони – хворі). Тому, хоч кореляція одна, причинність насправді повністю протилежна: лікарі спасають, а не вбивають, людей.

Це вчить нас тому, що треба бути дуже уважним до аналізу даних і не робити поспішних висновків з кореляції.

Роман Шеремета – викладач економіки у Case Western Reserve University (Огайо, США)