التحليل السببي

📅 آخر تحديث: ٢٦ يوليو ٢٠٢٦
✍️ نُشر في: ٢٦ يوليو ٢٠٢٦
الموسوعة الحرة

التحليل السببي هو مجال تصميم التجارب والإحصاء المتعلق بتحديد العلاقة بين السبب والنتيجة. [ 1 ] يتضمن عادةً تحديد أربعة عناصر: الارتباط ، والتسلسل الزمني (أي أن الأسباب يجب أن تحدث قبل النتيجة المتوقعة)، وآلية فيزيائية أو نظرية معلوماتية معقولة لتفسير النتيجة الملاحظة الناتجة عن سبب محتمل، واستبعاد احتمالية وجود أسباب مشتركة أو بديلة ("خاصة") . يتضمن هذا التحليل عادةً تجربة واحدة أو أكثر، سواء كانت مضبوطة أو طبيعية . [ 2 ]

تحفيز

يركز تحليل البيانات بشكل أساسي على الأسئلة السببية. [ 3 ] [ 4 ] [ 5 ] [ 6 ] [ 7 ] على سبيل المثال، هل تسبب السماد في نمو المحاصيل؟ [ 8 ] أو، هل يمكن الوقاية من مرض معين؟ [ 9 ] أو، لماذا يعاني صديقي من الاكتئاب؟ [ 10 ] تعالج تقنيات تحليل النتائج المحتملة وتحليل الانحدار هذه الاستفسارات عند جمع البيانات باستخدام تجارب مصممة. تتطلب البيانات التي يتم جمعها في الدراسات الرصدية تقنيات مختلفة للاستدلال السببي (بسبب، على سبيل المثال، مشكلات مثل التداخل ). [ 11 ] تتطلب تقنيات الاستدلال السببي المستخدمة مع البيانات التجريبية افتراضات إضافية لإنتاج استدلالات معقولة مع بيانات الرصد. [ 12 ] غالبًا ما يتم تلخيص صعوبة الاستدلال السببي في ظل هذه الظروف بعبارة " الارتباط لا يعني السببية ".

في الفلسفة والفيزياء

تُدرس طبيعة السببية بشكل منهجي في العديد من التخصصات الأكاديمية ، بما في ذلك الفلسفة والفيزياء . وفي الأوساط الأكاديمية، يوجد عدد كبير من النظريات حول السببية؛ إذ يضم كتاب "دليل أكسفورد للسببية" ( بيبي ، هيتشكوك، ومينزيس ، 2009 ) 770 صفحة. ومن بين النظريات الأكثر تأثيرًا في الفلسفة نظرية الأسباب الأربعة لأرسطو ، ونظرية السببية العرضية للغزالي . [ 13 ] جادل ديفيد هيوم بأن المعتقدات حول السببية تستند إلى التجربة، والتجربة بدورها تستند إلى افتراض أن المستقبل يُحاكي الماضي، والذي بدوره لا يمكن أن يستند إلا إلى التجربة - مما يؤدي إلى منطق دائري . وخلص إلى أن السببية لا تستند إلى استدلال فعلي : فالارتباط فقط هو ما يمكن إدراكه فعليًا. [ 14 ] وفقًا لبيبي وهيتشكوك ومينزيس (2009) ، رأى إيمانويل كانط أن "المبدأ السببي الذي بموجبه يكون لكل حدث سبب، أو يتبع وفقًا لقانون سببي، لا يمكن إثباته من خلال الاستقراء كادعاء تجريبي بحت، لأنه سيفتقر حينها إلى الشمولية الصارمة أو الضرورة". 

خارج نطاق الفلسفة، يمكن تحديد نظريات السببية في الميكانيكا الكلاسيكية ، والميكانيكا الإحصائية ، وميكانيكا الكم ، ونظريات الزمكان ، وعلم الأحياء ، والعلوم الاجتماعية ، والقانون . [ 13 ] ولإثبات وجود علاقة سببية في الفيزياء ، يُفترض عادةً أن السبب والنتيجة يجب أن يرتبطا عبر آلية محلية (انظر، على سبيل المثال، مفهوم التصادم ) أو آلية غير محلية (انظر، على سبيل المثال، مفهوم المجال )، وفقًا لقوانين الطبيعة المعروفة . من منظور الديناميكا الحرارية ، تم تحديد خصائص عامة للأسباب مقارنةً بالنتائج من خلال القانون الثاني للديناميكا الحرارية ، مما يؤكد الرأي القديم والوسيط والديكارتي [ 15 ] القائل بأن "السبب أكبر من النتيجة" في حالة الطاقة الحرة الديناميكية الحرارية . وهذا بدوره يتحدى التفسيرات الشائعة لمفاهيم الأنظمة غير الخطية وتأثير الفراشة ، حيث تتسبب الأحداث الصغيرة في تأثيرات كبيرة بسبب عدم القدرة على التنبؤ والتحفيز غير المحتمل لكميات كبيرة من الطاقة الكامنة .

السببية المستنتجة من حالات افتراضية مضادة للواقع

يبدو بديهيًا أن السببية لا تتطلب مجرد ارتباط، بل تتطلب تبعية افتراضية . لنفترض أن طالبًا ما حصل على أداء ضعيف في اختبار، وخمّن أن السبب هو عدم دراسته. لإثبات ذلك، نفكر في الحالة الافتراضية  - الطالب نفسه يؤدي الاختبار نفسه في الظروف نفسها، لكنه درس في الليلة السابقة. لو أمكننا تغيير التاريخ، وتغيير أمر واحد بسيط فقط (جعل الطالب يدرس للاختبار)، لأمكن ملاحظة السببية (بمقارنة الحالة الأولى بالثانية). ولأننا لا نستطيع تغيير التاريخ وإعادة الأحداث بعد إجراء تغييرات صغيرة مضبوطة، فإن السببية لا يمكن معرفتها بدقة، بل تُستنتج فقط. يُشار إلى هذا بالمشكلة الأساسية للاستدلال السببي  - إذ يستحيل ملاحظة الآثار السببية بشكل مباشر. [ 16 ]

يتمثل أحد الأهداف الرئيسية للتجارب العلمية والأساليب الإحصائية في محاكاة الحالة الافتراضية للعالم بأفضل شكل ممكن. [ 17 ] على سبيل المثال، يمكن إجراء تجربة على توأمين متطابقين معروفين بحصولهما على نفس الدرجات في الاختبارات باستمرار. يُرسل أحدهما للدراسة لمدة ست ساعات بينما يُرسل الآخر إلى مدينة الملاهي. إذا تباينت درجاتهما فجأة بشكل كبير، فسيكون ذلك دليلاً قوياً على أن الدراسة (أو الذهاب إلى مدينة الملاهي) لها تأثير سببي على درجات الاختبار. في هذه الحالة، فإن وجود ارتباط بين الدراسة ودرجات الاختبار سيشير حتماً إلى وجود علاقة سببية.

تستبدل الدراسات التجريبية المصممة جيدًا مبدأ تساوي الأفراد، كما في المثال السابق، بمبدأ تساوي المجموعات. والهدف هو تكوين مجموعتين متماثلتين باستثناء العلاج الذي تتلقاه كل منهما. ويتحقق ذلك باختيار أفراد من مجتمع واحد وتوزيعهم عشوائيًا على مجموعتين أو أكثر. ويزداد احتمال تشابه سلوك المجموعات (في المتوسط) مع ازدياد عدد الأفراد في كل مجموعة. إذا كانت المجموعات متكافئة جوهريًا باستثناء العلاج الذي تتلقاه، ولوحظ اختلاف في نتائجها، فإن ذلك يُعد دليلًا على أن العلاج هو المسؤول عن النتيجة، أو بعبارة أخرى، أن العلاج هو سبب التأثير الملحوظ. مع ذلك، قد يكون التأثير الملحوظ ناتجًا عن الصدفة، على سبيل المثال نتيجة لتغيرات عشوائية في المجتمع. توجد اختبارات إحصائية لتحديد احتمالية استنتاج وجود اختلاف ملحوظ بشكل خاطئ بينما هو في الواقع غير موجود (انظر، على سبيل المثال، قيمة P ).

التعريفات الإجرائية للسببية

وضع كلايف غرانجر أول تعريف عملي للسببية في عام 1969. [ 18 ] جعل غرانجر تعريف السببية الاحتمالية الذي اقترحه نوربرت وينر عمليًا كمقارنة للتباينات. [ 19 ]

التحقق عن طريق "الحقيقة"

قدّم بيتر سبيرتس ، وكلارك غليمور ، وريتشارد شاينز فكرة عدم تقديم تعريف صريح للسببية . [ 3 ] وقدّم سبيرتس وغليمور خوارزمية PC لاكتشاف السببية في عام 1990. [ 20 ] وتتبع العديد من خوارزميات اكتشاف السببية الحديثة نهج سبيرتس-غليمور في التحقق. [ 21 ]

استكشافي

التحليل السببي الاستكشافي، المعروف أيضًا باسم "سببية البيانات" أو "اكتشاف السببية" [ 3 ] ، هو استخدام الخوارزميات الإحصائية لاستنتاج الارتباطات في مجموعات البيانات المرصودة التي يُحتمل أن تكون سببية في ظل افتراضات صارمة. يُعدّ التحليل السببي الاستكشافي نوعًا من الاستدلال السببي يختلف عن النمذجة السببية وتأثيرات العلاج في التجارب المعشاة ذات الشواهد [ 4 ] . وهو بحث استكشافي يسبق عادةً البحث السببي الأكثر رسمية ، تمامًا كما يسبق تحليل البيانات الاستكشافي غالبًا اختبار الفرضيات الإحصائية في تحليل البيانات [ 22 ] [ 23 ] .

انظر أيضاً

مراجع

  1. ↑ رولفينغ، إنغو؛ شنايدر، كارستن كيو. (2018). "إطار موحد للتحليل السببي في البحث متعدد الأساليب القائم على نظرية المجموعات" (ملف PDF) . الأساليب والبحوث الاجتماعية . 47 (1): 37-63 . doi : 10.1177/0049124115626170 . S2CID 124804330. تاريخ الاسترجاع: 29 فبراير 2020 . 
  2. ↑ برادي، هنري إي. (7 يوليو 2011). "السببية والتفسير في العلوم الاجتماعية" . دليل أكسفورد للعلوم السياسية : 1054-1107 . doi : 10.1093/oxfordhb/9780199604456.013.0049 . ISBN 978-0-19-960445-6تم الاطلاع عليه بتاريخ 29 فبراير 2020 .
  3. 1 2 3 سبيرتس، ص؛ جليمور، سي. شينس، ر. (2012). السببية والتنبؤ والبحث . سبرينغر العلوم والإعلام التجاري. رقم ISBN 978-1461227489.
  4. 1 2 روزنباوم، بول (2017). الملاحظة والتجربة: مقدمة في الاستدلال السببي . مطبعة جامعة هارفارد. ISBN 9780674975576.
  5. ↑ بيرل، جوديا؛ ماكنزي، دانا (2018). كتاب لماذا : العلم الجديد للسبب والنتيجة . دار بيسيك بوكس. رقم ISBN 978-0465097616.
  6. ↑ كلاينبرغ، سامانثا (2015). لماذا: دليل لإيجاد الأسباب واستخدامها . دار نشر أورايلي ميديا. رقم ISBN 978-1491952191.
  7. ↑ إيلاري، ب.؛ روسو، ف. (2014). السببية: النظرية الفلسفية تلتقي بالممارسة العلمية . مطبعة جامعة أكسفورد. ISBN 978-0191639685.
  8. ↑ فيشر، ر. (1937). تصميم التجارب . أوليفر وبويد.
  9. ↑ هيل، ب. (1955). مبادئ الإحصاء الطبي . لانسيت المحدودة.
  10. ↑ هالبرن، ج. (2016). السببية الفعلية . مطبعة معهد ماساتشوستس للتكنولوجيا. ISBN 978-0262035026.
  11. ↑ بيرل، ج.؛ غليمور، م.؛ جويل، ن. ب. (2016). الاستدلال السببي في الإحصاء: مدخل تمهيدي . جون وايلي وأولاده. ISBN 978-1119186847.
  12. ↑ ستون، ر. (1993). "الافتراضات التي تستند إليها الاستدلالات السببية". مجلة الجمعية الإحصائية الملكية. السلسلة ب (المنهجية) . 55 (2): 455-466 . doi : 10.1111/j.2517-6161.1993.tb01915.x .
  13. 1 2 بيبي، هيتشكوك ومينزيس 2009
  14. ↑ موريس، ويليام إدوارد (2001). "ديفيد هيوم" . موسوعة ستانفورد للفلسفة .
  15. ↑ لويد، أ. س. (1976). "مبدأ أن السبب أعظم من النتيجة". فرونيسيس . 21 (2): 146-156 . doi : 10.1163/156852876x00101 . JSTOR 4181986 . 
  16. ↑ هولاند، بول و. (1986). "الإحصاء والاستدلال السببي". مجلة الجمعية الإحصائية الأمريكية . 81 (396): 945-960 . doi : 10.1080/01621459.1986.10478354 . S2CID 14377504 . 
  17. ↑ بيرل، جوديا (2000). السببية: النماذج، والاستدلال، والاستنتاج . مطبعة جامعة كامبريدج. ISBN 9780521773621.
  18. ↑ غرانجر، سي دبليو جيه (1969). "دراسة العلاقات السببية باستخدام النماذج الاقتصادية القياسية وطرق التحليل الطيفي المتقاطع". مجلة Econometrica . 37 (3): 424-438 . doi : 10.2307/1912791 . JSTOR 1912791 . 
  19. ↑ غرانجر، كلايف. "محاضرة الجائزة. NobelPrize.org. Nobel Media AB 2018" .
  20. ↑ سبيرتس، ب.؛ غليمور، س. (1991). "خوارزمية لاستعادة سريعة للرسوم البيانية السببية المتفرقة". مجلة مراجعة علوم الحاسوب الاجتماعية . 9 (1): 62-72 . doi : 10.1177/089443939100900106 . S2CID 38398322 . 
  21. ↑ غو، روتشنغ؛ تشنغ، لو؛ لي، جوندونغ؛ هان، ب. ريتشارد؛ ليو، هوان (2020). "دراسة استقصائية حول تعلم السببية باستخدام البيانات". مجلة ACM Computing Surveys . 53 (4): 1–37 . arXiv : 1809.09337 . doi : 10.1145/3397269 . S2CID 52822969 . 
  22. ↑ ماكراكين، جيمس (2016). التحليل السببي الاستكشافي باستخدام بيانات السلاسل الزمنية (محاضرات توليفية حول استخراج البيانات واكتشاف المعرفة) . دار مورغان وكلايبول للنشر. رقم ISBN 978-1627059343.
  23. ↑ توكي، جون دبليو. (1977). تحليل البيانات الاستكشافي . بيرسون. ISBN 978-0201076165.

فهرس