主题：【原创】因果关系（科学中的因果关系） -- earthcolor

前面一直在犹豫：要不要写这个帖子？一个原因是这个话题本身有很大的争议，很难有一个大家都接受的结论。另一个原因是自己对这方面研究不深，有些内容写出来不一定正确。另外，如果作为专业研究讨论这个话题，可能感兴趣的人不一定很多。不过，看到《经济管理》版中，很多人都以专业的知识，讨论专业的内容。因为大家都对经济有感觉，所以大家可以讨论到一起。虽然大家的看法各有不同，但专业的和业余的人士还是可以交流的（虽然专业人士经常感觉非专业人士的说法不准确，非专业人士感觉专业人士的说法是不知所云）。其实，有时候专业人员和业余人员的分界线不是那么明显的。业余人员在某一方面花时间多了，也就成立专业人员。每个行业的第一专业人员，肯定是从业余人员来的（总不会天上掉下来吧）。记得有这样一个故事。文革前的一个学物理的大学生，被下放到一个单位的食堂，主要工作是买菜。买菜，这事可大可小。这位先生，将食堂所需的菜规划分类，将城市的菜市场规划分类，考虑城市的交通和红绿灯情况，系统考虑问题，通过优化，买菜价格合理、花费时间少。文革后，这位先生成了国家有名的系统论专家。看来，只要有心去了解一个东西，专业并不只是指学校学习的东西，也包括业务中用到的东西和自己花时间去了解的东西。

相对于经济、股市、时事等在西西河的热门话题，因果关系也是一个大家都可以参与讨论的话题，因为我们的生活中充满着因果关系，我们无时无刻不在和因果关系打交道，只是很多时候我们都没有意识到我们在应用因果关系。简单地说一个现象：你按开关，灯会亮；再按开关，灯会灭。这里面就包含着因果关系。当然，每种因果关系的讨论，都包括很多条件，比如，电源是好的，电路是好的。不过，在日常生活中，我们可能省略了（或默认了）各种条件。只将注意力放在主要的因素上：在上面的现象中，“灯会不会亮”是我们主要关心的。如果无论我们如何按开关，灯都不亮，我们将会检查电源。如果电源是好的，我们会检查灯泡。如果灯泡是好的，我们会检查电路，等等。可以看出，在不同条件下，我们注意的主要因素会变化。

我个人对因果关系的一些研究文章，有一点了解。不过，自己对这个领域了解不深，可能对个别问题有自己的看法，但是从总体上来说，没有自己的系统。现在讲出来，和大家交流，共同学习。如果有不对的地方，敬请指出。

因果关系是一个有争议的话题。自从有了人类（或者更广泛一点，生物），大家就开始了对因果关系的观察、讨论和应用。比如用火可以加热东西，按季节种植可以收获庄稼。在古希腊，亚里士多德讨论过因果关系。在文艺复兴时期，开始了大量的自然探索，更是离不开对因果关系的探讨。在现代科学中，更是默认有因果关系存在：吃了这种药，可以治疗某种疾病。可以说，因果关系已经深入我们的生活，一两岁的小孩，也可以明显地判断因果关系：很烫的东西可以烫痛手的，小孩摸过一次烫的东西后，一定会吸取教训，不再去摸烫的东西。（让他们有一点点经验也是可以。不过，大人要保护小宝宝，不要让他们烫伤了。）

在河里，有不少人从自己的专业或爱好出发，比如在经济中，或者在宗教中，提到了因果关系。现在在各个学校里，好像没有专门的因果关系专业吧。不过，不管你是默认也罢，还是反对也罢，每个学科都和因果关系有联系。在这里，我主要读了以下几本书和一些相关的文章（插一句话：书是读过，理解多少是另外一回事）。如果有人对这方面感兴趣，想深入了解，可以自己找书来读。

C. Glymour, G.F. Cooper (Eds.), Computation, Causation, and Discovery, MIT Press, Cambridge, MA, USA, 1999

J. Pearl, Causality: models, reasoning, and inference, Cambridge University Press, New York, 2000.

P. Spirtes, C. Glymour, R. Scheines, Causation, Prediction, and Search (Second Edition), MIT Press, Cambridge, MA, USA, 2000.

J. Woodward, Making things happen: a theory of causal explanation, Oxford University Press, 2003

前三本书偏重于统计、计算机专业，理论性较强。在这些书中，我认为Judea Pearl的书影响最大，因为他定义了三条重要的规则。根据这三条规则，在一定条件和因果关系结构给定的情况下，可以将将观察数据中得来的相关关系（correlation）的度量（或者说概率），转换成因果关系（causality）中的度量。这三条规则，势必对其他领域的因果关系研究有直接的影响，尤其是在无法进行可控制可重复的实验的领域。比如，在经济领域里，我们可以根据经验，得出变量之间的因果关系结构。也许我们知道改变一个经济参数时，其他参数可能的变化方向。但是，我们只有观察数据，没有实验数据，无法推断我们在改变一个经济参数（比如利率）时，其他参数具体变化的程度。Judea Pearl的研究结果，为我们提供了相应的指导：在一定条件下，如果我们人为地改变一些系统的参数（比如利率），我们可以根据已有的观察数据，推断系统中其他参数变化程度。（当然，如何选取观察数据，是另外一个问题。这里先不讲，以后再说。不过先提一下，农业的数据比较好观察，因为庄稼有明显的种植和收获时间，而整体经济运行是连续的，数据的采样、时间间隔选取都是问题。）

Spirtes和他的合作者的书，主要讲述了如何根据已有的观察数据，搜索、发现可能的因果关系结构。也就是说，哪一个因果关系结构，能更好地解释已有观察数据。和Judea Pearl一样，在他们的书里，作者主要是应用了概率里的条件独立关系，来推断变量之间的互相依赖关系。在两个假设（因果关系的马尔科夫假设和忠实性假设， causal Markov assumption and faithfulness assumption）给定的条件下，很多因果关系可以根据条件独立关系，从观察数据中推断出来。

Glymour和Cooper的书是一个论文集，收集了很多在因果关系研究领域有影响的研究人员的作品。不同的文章作者讨论他们对因果关系的理解、因果关系的发现和应用。这本书可以作为Judea Pearl和Spirtes et al 书的补充。（我只挑选了一些文章来读。）

第四本书偏重于哲学，相对来说没有太多数学，理论上容易理解一些。这本书讲到了其他多种的因果关系理论，有兴趣的爱好者可以自己去看一看（我基本没有读过）。这本书里的因果关系的结构描述，更多采用Judea Pearl 的表示方法。不过，这本书的英语到了哲学写作的程度，英语语言本身绕来绕去的，不像理科文章的语言那么直接。这本书看得我头晕，现在还没有读完。

我前面看的大多数是英文资料。如果有人可以提供相关的中文资料，将非常感谢。

我想写的内容，一部分其实主要是翻译，另外一部分是自己的一些随想（也可以说是读书笔记吧）。先列出来一些问题，欢迎大家讨论。

• 两个问题，可以讨论一下