因果关系的形而上学（完结）

3.3 与令牌因果关系的关系

一些作者提供了使用此类因果模型的象征因果关系理论。 （例如，参见 Hitchcock 2001a, 2007a；Woodward, 2003；Menzies 2004, 2006 [其他互联网资源]；Halpern & Pearl 2005；Hall 2007；Halpern 2008, 2016a, 2016b；Beckers & Vennekens 2017, 2018；Andreas & Günther 2020，2021；Gallow 2021；Weslake 女士——参见其他互联网资源。）这些理论几乎总是将因果模型理解为描述代币变量之间的影响关系。这些理论大多数都是粗略的反事实。他们尝试使用因果反事实的干预主义语义来解释一个变量值何时是另一个变量值的象征性原因。在这种方法中，因果模型中编码的影响网络提供了令牌因果关系传播的路径。如果一个变量值 C=c 将成为另一个变量值 E=e 的象征性原因，那么必须存在某种影响路径从变量 C 通向变量 E，

C→D1→D2→⋯→DN→E。

这些理论在 C=c 必须满足哪些附加条件才能成为 E=e 的象征性原因方面存在分歧。许多人（尽管不是全部）都同意，C=c 和 E=e 之间的反事实依赖足以使 C=c 成为 E=e 的象征性原因。 （有关更多信息，请参阅反事实因果理论条目。）

3.4 模型的形而上学

本节讨论如何使这些模型准确——世界必须是什么样子才能承载模型所描述的影响关系。然而，必须指出的是，并非文献中的每个作者都会对提出这个问题的方式感到满意。许多人更喜欢讨论模型是否合适或恰当。部分原因是他们认识到许多记录下来并在实践中使用的模型歪曲了世界。例如，这些模型将系统描述为确定性的，忽略了微小的量子力学机会。因此，哈尔彭写道

我不确定是否存在任何“正确”的模型，但某些模型可能比其他模型更有用，或者更好地表示现实。 （2016a：108）

当然，如果我们要说因果模型歪曲了世界，我们必须事先了解该模型所代表的内容。歪曲事实就是不准确地表示。本节将重点讨论因果模型准确表示什么的问题。当然，当模型的不准确性可以忽略不计以至于该模型可能适合或易于在给定上下文中使用时，还需要提出进一步的后续问题。

从某种意义上说，这个问题应该被视为是规定性的；这些模型来自人类，而不是神。他们代表什么、不代表什么，是由我们来决定的。尽管如此，我们应该注意我们的规定不会破坏模型设计的目的，也不会破坏它们的标准用途。它们旨在捕捉因果关系中出现的影响概念，例如“我给植物浇水的量会影响它长多高”，并且它们旨在在影响力与反事实之间建立联系，或者影响力与象征物之间的联系因果关系，或影响和控制，或影响和机会——并非任何规定都能满足我们的目的。这些联系是否合理或站得住脚将取决于我们如何理解这些模型。我们认为他们对世界的看法。

无论我们代表的是象征性影响还是类型影响，模型的形式主义都是大致相同的。但是，当谈到解释这些模型如何才能准确时，我们谈论的是代币影响还是类型影响就很重要了。在象征性影响的情况下，希区柯克（Hitchcock，2001a：283-284）认为，因果模型的正确性需要特定的反事实家族为真：

结构方程组是表示一整套反事实的优雅方法……一组结构方程的正确性……取决于这些反事实的真实性。

根据这种观点，结构方程组正确表示代币影响力网络所需的条件是某些相应的反事实为真。此要求有一个较弱的版本和一个较强的版本。在更强的版本中，我们要求可以从模型（通过上一小节中概述的干预程序）导出的所有（无限多个）反事实都是正确的。在较弱的版本中，我们只需要更有限的反事实类别，即如果变量的任何子集通过干预设置其值，则非干预变量的方程将继续为真。为了便于说明，采用以下方程组，

Z :=X+Y

:=X

弱要求是，对于任何值 x,y,z，以下反事实成立：

X=x ◻

→

(Y=x∧Z=x+Y)

Y=y ◻

→

Z=X+y

Z=z ◻

→

y=X

(X=x∧Y=y) ◻

→

Z=x+y

(X=x∧Z=z) ◻

→

y=x

弱要求的一个担忧是（1）中的反事实无法捕捉结构方程的模块化。回想一下：区分结构方程 Y:=X 和 Z:=X+Y 以及方程 Y=X 和 Z=X+Y 很重要。模块化不仅仅是这样的主张：如果我们进行干预，将 X 设置为 x，方程 Y=X 和 Z=X+Y 将继续为真。据称，如果我们进行干预以使 X 等于 x，则结构方程 Y:=X 和 Z:=X+Y 将继续成立。这至少要求反事实

X=x′ ◻

→

Y=x′

(X=x′∧Y=y) ◻

→

Z=x′+y

对于任何值 x′ 和 y，如果我们进行干预以将 X 设置为等于 x，则仍然成立。所以它要求嵌套的反事实

X=x ◻

→

(X=x′◻

→

Y=x′)

X=x ◻

→

((Y=y∧X=x′)◻

→

Z=x′+y)

（事实上​​，这些嵌套的反事实遵循因果建模语义上的方程组。）然而，在反事实的许多语义上，这个嵌套的反事实并不遵循（3.4.4）中给出的反事实。 1）同上。我们可能会尝试通过诉诸输出原则，将像这样的嵌套反事实减少为具有联合前提的反事实，根据该原则 phi◻

→

(ψ◻

→

χ) 由 (ψ∧ψ)◻ 得出

→

χ。然而，在因果建模语义上，导出一般来说是无效的。采用上面的因果模型。假设具有必然错误前提的反事实是空洞的真实，

(X=x∧X=x′)◻

→

y=x

只要 x≠x′ 就被认为是正确的。但

X=x◻

→

(X=x′◻

→

Y = x）

将被视为虚假。 （有关相关讨论，请参阅 Briggs 2012；有关替代方法，请参阅 Gallow 2016。）

有些人认为，为了使象征性因果模型正确，或者至少为了让因果模型为我们提供象征性因果关系的指南（参见第 3.3 节），需要的不仅仅是一系列真实的反事实。许多人被上述第 1.2.3 节中的考虑因素所说服，包括有关哪些变量值比其他变量值或多或少正常的信息。和汉德菲尔德等人。 (2008) 认为模型必须仅代表与 Fair (1979)、Salmon (1984, 1994) 或 Dowe (2000) 意义上的“连接过程”相对应的影响关系。这个想法是这样的：如果一个变量 X 出现在 Y 结构方程的右侧，那么系统必须存在某种可能的状态（模型中变量的一些可能的赋值），使得，在这种状态下，存在一个从X值到Y值的连接过程。

Woodward (2003) 关注类型影响系统。他提出了一系列非还原性定义，这些定义共同描述了一种类型的变量 X 相对于一组变量类型 V（包含 X 和 Y）直接影响另一种类型的变量 Y 的情况。首先，我们被告知：

相对于一组变量 V，X 直接影响 Y，当且仅当对 X 进行可能的干预，当 V 中的所有其他变量通过干预保持固定在某个值时，这将改变 Y。

该定义提到了干预的概念。 （注意：虽然伍德沃德正在解释类型影响的关系，但任何特定的干预都将是象征性的发生。）我们在上一小节中看到了干预是如何正式建模的；但伍德沃德根据干预变量给出了以下干预定义。我们被告知：

我假设某个值 I=i 是对 X（相对于 Y）的干预，当且仅当 I 是 X 的干预变量（相对于 Y）并且 I=i 是 X 所取值的象征性原因。

该定义依赖于干预变量的概念（X 相对于 Y）。我们被告知：

I 是 X 相对于 Y、相对于 V 的干预变量，当且仅当：

I影响X；

I 的值使得当 I 取这些值时，当 V 中影响 X 的任何其他变量改变其值时，X 的值不会改变；相反，X 的值仅由 I 的值决定；

从 I 到 Y 的每一条有向影响路径都经过 X——也就是说，如果有一些变量集合 Z1,Z2,…,ZN∈V 使得 I 直接影响 Z1，Z1 直接影响 Z2,…，ZN 直接影响Y，则 X=Zi，对于某些 i∈{1,2,…,N}

I 在统计上独立于直接影响 Y 且位于不经过 X 的有向影响路径上的任何变量 Z。

这个定义诉诸了（类型）影响的概念；所以它不允许我们对力的影响进行还原分析。但请注意，它并不诉诸X和Y之间的影响——而这正是伍德沃德试图描述的关系因此，虽然这一系列定义不是简化的，但它们也不是循环的。它们告诉我们 X 和 Y 之间的影响如何与 X 和 Y 之外的变量之间的影响相关。（参见因果关系和可操作性条目更多的。）

数学联邦政治世界观提示您：看后求收藏（笔尖小说网http://www.bjxsw.cc），接着再看更方便。