因果关系的形而上学（三）

1.2.2 arity

标准视图是Gension是两个Relata：原因和效果之间的二进制关系。 但是，有些建议导致可能是三元或第四纪关系。 受到Van Fraassen（1980）对对比解释的工作启发，我们可以采取因果关系成为一个三元或3个地方，其效果的效果与对比之间的关系。 在此视图上，因果关系的逻辑形式是：C是E的原因，而不是E *。 例如，说亚当饥肠辘辘地让他吃苹果，而不是把它扔在一边。 但是说亚当饥肠辘辘地让他吃苹果而不是梨，这似乎是错误的。 因此，改变效果的对比度似乎对因果关系有所不同。 Hitchcock（1993年，1995A，1996）给出了对比的概率因果理论，根据这种因果关系，原因与原因对比度的三元关系，以及效果。 在此视图中，因果关系的逻辑形式是：C，而不是C *，是e的原因。 例如，保罗似乎每天吸食包装，而不是根本没有，是他肺癌的原因。 但是保罗每天吸食包装，而不是每天两包装，这似乎是错误的，这是他肺癌的原因。 Schaffer（2005）结合了这两个意见，认为原因是原因与原因对比度，效果的对比度之间的第四次关系。 在此视图中，因果关系的逻辑形式是：C，而不是C *，是E的原因，而不是E *。

如果我们认为因果关系是三元或第四纪，那么我们前面认为的一些论点就会看起来较弱。 例如，请考虑从§1.1.4所谓的因果差异论点。 我们认为，我们必须区分“苏珊偷了自行车”从“苏珊偷了自行车”，因为后者而不是前者，导致她被捕。 如果我们是关于因果关系的对比主义者，那么我们可以坚持认为，局灶性压力的差异有助于一个和同一事件的突出不同的对比：苏珊偷了自行车。 当我们强调“自行车”时，我们建议苏珊窃取别的鲜明事件。 苏珊偷了自行车，而不是独木舟，并没有让她被捕。 另一方面，当我们强调“偷窃”时，我们建议苏珊对购买自行车做的事情，让我们说。 苏珊偷了自行车，而不是购买它，是她被捕的原因。 Schaffer（2005）甚至建议，如果因果关系是4个地方，那么我们可以采取令人难以置信的粗糙群体的事件。

Schaffer（2005）此外，如果我们说因果关系是第四纪，我们可以捍卫一系列传递。 Schaffer提出了第四纪关系满足以下约束：如果c，而不是c *，是d，而不是d *，而不是d *是e的原因，而不是d *。e *，然后c，而不是c *是e的原因，而不是e *。 想象这样的：对应于4个地方因果关系是事件对比对之间的两个地方关系; 和Schaffer认为，这种事件对与其对比之间的两个双位关系是一个传递关系。 它没有立即显而易见的是，这有助于与我们在上面的§1.2.1中看到的交换机有所帮助。 因为它似乎菲利普将开关翻转到右侧，而不是不翻转它，导致正确的灯泡是打开的，而不是关闭。 似乎正确的灯泡是越过，而不是关闭，导致房间被照亮，而不是黑暗。 但是，菲利普没有将开关翻转到右侧，而不是不翻转它，导致房间被照亮，而不是黑暗。 诀窍是Schaffer有一个关于世界界限的事件。 因此，为了使第一个因果索赔如此，对比度“正确的灯泡关闭”必须是一个只在世界中发生的事件，其中菲律帕不会将开关翻转到右侧，左灯泡正在开启。 因此，第二个因果索赔将成为假; 正确的灯泡正在亮，而不是在一个左灯泡所在的世界中，这不是房间被照亮的原因，而不是黑暗。

1.2.3正常性

分辨原因和背景，或使能条件是自然的。 例如，假设您击中了匹配和灯光。 引用匹配作为照明的原因，引用匹配是很自然的，但它引用氧气的存在，作为其照明的原因，这更自然，即使没有氧气，比赛也不会点亮。 有一些倾向于说氧气的存在仅仅使罢工能够导致光线匹配，但没有导致它自身光明。 刘易斯（1973）当他指的是“不利歧视”的原因和背景条件之间的区别 在这种观点上，区分是务实的，不系统的，依赖我们的兴趣。 来自金星的外星人科学家 - 大气中没有氧气 - 可能会发现氧气的存在令人难以置信的自然作为火灾的原因。 在传统观点上，我们和Venusian科学家都没有客观错误; 我们每个人都对世界有不同的期望，因此我们发现它比其他人更值得注意。 那里有很多原因，但我们选择其中一些呼叫原因。 其他人，我们没有选择的，被视为仅仅是背景条件。

HART和荣誉（1959 [1985]）表明正常或违约的条件是背景条件; 而那些异常或偏差的人都是原因。 在最近的文献中，正常，违约或惯性条件和异常，异常或非惯性原因的区别在越来越规则中出现。 例如，McGrath（2005）展示了以下小插图：Abigail正在度假并询问她的邻居拜伦，以水植物。 拜伦承诺浇水植物，但没有，植物死亡。 这听起来很自然地说，拜伦的植物失败是其死亡的原因; 表明阿比盖尔的其他邻居克里斯，克里斯，这听起来不太糟糕，导致植物不能浇水。 然而，似乎布莱恩和克里斯之间唯一的相关差异是拜伦使植物浇水，克里斯没有。 所以拜伦的植物失败植物异常，而克里斯的植物失败植物正常。 McGrath的示例涉及缺席或遗漏，但此案的此功能偶然。 Hitchcock和Knobe（2009）给出以下情况：虽然允许管理员采用钢笔，但教授不是。 Adriel Adriel管理员和Piper教授采用钢笔。 在当天晚些时候，没有养腿，迪恩无法签署重要纸张。 在这里，将PITE PITE比Adriel作为问题的原因似乎更好。 似乎唯一的相关差异是允许adriel拿笔，但吹笛者不是。 （有关更多，请参阅Kahneman＆Miller 1986; Thomson 2003;和Maudlin 2004.）

考虑到这些类型的案例，看到这种现象作为更加“选择效果”并不自然。 也许拜伦和克里斯都会导致植物死亡，但由于务实的原因，我们发现引用作为原因承诺的人更加自然。 大厅（2007）展示了一个更具挑战性的论点，以认为正常和违约应该是我们的因果关系。 他要求我们考虑以下一对神经元系统：

神经元图：链接到下面的扩展说明

（一）

一个图：链接到下面的扩展说明

（b）

图10：对神经元图。 [图10的扩展描述在补充中。]

在图10（a）中，我们有早期抢占§1.2.1。 在这里，C的射击是E烧制的原因。 在图10（b）中，我们有一个霍尔称之为“短路”的情况。 当C火灾时，它既发起了对E的休眠（通过发火）的威胁，并中和那种威胁（通过制作D火）。 这是一个具有类似结构的小插图（参见2004年大厅和Hitchcock 2001a）：巨石变得偏离并将山丘上的朝向徒步旅行者。 看到博尔德来了，徒步旅行者跳出来，狭隘的死亡。 在这种情况下，博尔德的堕落都会引发对徒步旅行者的生命的威胁，并中和那种非常威胁（通过警告他们的存在）。 大厅争辩说，博尔德变得脱落并没有导致徒步旅行者生存; 而且，在短路的情况下，C的射击不会导致e不要火。 直观地，C取得了什么VIS-A-VIS。 但霍尔指出，这两个神经元系统彼此相同。 我们可以用结构方程系统做出点（参见因果模型的条目，以及下面的§3.2）。 从早期抢占的情况开始，并使用二进制变量，A，B，C，D和E分别用于A，B，C，D和E Fire。 如果其成对的神经元火灾，这些变量将取值1，如果没有，它们会占用值0。 然后，我们可以代表利用该方程式的早期抢占的因果结构：

- 答：=b∧¬c

d：= c

e：=a∨d

转到短路，请注意，我们可以使用*，b *和e *作为神经元a，b和e not fire的二进制变量。 如果其成对的神经元不会触发，这些变量会占据值1，如果它确实，它们会占用值0。 并且，再次，我们可以使用C和D作为神经元C和D燃烧的变量; 如果它们的成对的神经元射击，这些非符号变量将取向值1，如果它没有，则为0。 通过这些公约，我们可以写下以下短路神经元系统的以下构称等式：

一个*：= b *∧¬c

d：= c

e *：=一个*∨d

对于早期抢占的情况，这些方程对我们写下的同构是同构。 此外，在每种情况下，变量的值精确相同。 在早期抢占的情况下，a = 0和b = c = d = e = 1; 然而，在短路的情况下，A * = 0和B * = C = D = e * = 1（在Hiddleston 2005中讨论了类似的情况）。

因此，如果我们想声称C是在早期抢占的情况下是E的原因，但是否认C是在短路的情况下e的原因，我们将不得不指向这些方程中不包含的一些信息和这些变量的值。 若干作者已经达到了违约，正常状态和偏差，异常事件之间的区别（例如，参见，例如，2007大厅; Hitchcock 2007a; Halpern 2008,2016a; Paul＆Hall 2013; Halpern＆Hitchcock 2015;和Gallow 2021.对于批评，见Blanchard＆Schaffer，2017）。

在传统的图片上，有一种广泛的，不分青红皂白的因果概念，这不对正常性呼吁; 务实地使用正常性的考虑因素来“选择”哪种不分青红皂白的原因，我们称之为“原因”，我们称之为“背景条件”。 由于两个原因，早期抢占和短路之间的同构挑战这幅画。 首先，C的射击可能就像在短路中的早期抢占一样，因此它不能只是推定原因的正常性，这使得差异。 其次，那些想要否认C射击的人是E在短路中未能发射的原因，不想声称C的射击甚至是E未能发射的背景条件。 倾向表示，C的射击与E未能发生火灾完全没有任何关系。

2.键入因果关系

2.1与令牌因果关系的关系

型因果关系由通用索赔描述，例如“昏昏欲睡导致崩溃”或“吸烟导致癌症”。 一个突出的问题涉及类型与令牌因果索赔之间的关系。 一个视图具有型因果索赔的概括或泛型关于令牌因果索赔（见Lewis 1973; Hausman 1998：第5章;和Hausman 2005）。 例如，要说吸烟导致癌症只是说令牌癌症通常是由令牌历史的吸烟历史引起的。 并且说令人困倦的驾驶导致崩溃只是说，一般来说，令牌的令牌驱动导致令牌崩溃。 像这样的通用索赔不应该被理解为说，大多数甚至许多令牌驾驶的令牌剧集都是汽车撞车的令牌原因。 比较：“蚊子携带西尼罗河病毒”，尽管大多数蚊虫都没有携带西尼罗河病毒，这是一个真正的通用。 （参见泛型的条目。）在此视图上，类型因果索赔最终是关于令牌因果关系。

另一个视图具有型因果关系，比令牌因果关系更为根本; 是什么让它让克里斯的吸烟导致他的癌症的情况是，至少部分吸烟导致癌症，克里斯熏，他患有癌症。 这种观点是由休谟（1739-40,1748），磨坊（1843），J.L.Mackie（1965），Hempel（1965）和Davidson（1967年）等理论辩护。 这些理论家首先，通过对事件，事实或有关之间的因果关系进行分析。 例如：Hume表示，它是C的类型，导致e的类型是C型的东西不断地与E型的物品一起组合。然后，这种一般规律性地用于解释为什么C型的任何特定事物是E型的令牌原因。后续规律性和“涵盖法律”理论增加了额外的钟声和口哨; 但他们保留了C和E之间令牌因果关系的想法，凭借一些更广泛的规律性或法律，其中包括C和E之间的特定关系。

怀疑令牌因果关系的一个原因只是因果关系的实例化的是，没有任何相应的因果关系似乎令牌因果关系，似乎是令相应的因果关系的令牌因果关系。 SCRIVIV（1962）给出了以下例子：你为你的香烟伸手，不小心敲墨水瓶并染色地毯。 您的卷烟伸展导致地毯被染色，但并非达到香烟的情况导致地毯污渍一般。 Supptes（1970）将这个例子属于Deborah Rosen：在高尔夫球场，你将球撞到一棵树，球篮板，足够奇怪，进入洞里。 在这种情况下，将球撞到树中导致孔一对一，但将球撞到树上不会导致一般孔。

由Ellery Eells（1991）辩护的第三个位置，既不是令牌也不是因果关系比其他人更为根本。 EELLS提供了两个因果关系的概率分析：一个用于类型的因果关系，另一个用于令牌因果关系。 Eells认为，由于这样的例子通过喝一夸脱的钚。 因此，这种类型的因果索赔不能通过令牌因果索赔的概括。 （参见Hausman 1998：第5章，响应。）

有关令牌与类型因果关系的更多信息，特别是在概率的因果方法中，请参阅Hitchcock（1995A）。

2.2网络和组件效果

从Hesslow（1976）采用的情况下考虑以下情况：假设避孕药（B）预防妊娠（P）。 然而，它们也可以具有血栓形成（t）的意外副作用。 因此，我们可能倾向于接受类型因果索赔“避孕药引起血栓形成”。 但等待：血栓形成的另一个潜在原因是怀孕。 和避孕药抑制妊娠。 案例的一般结构如下所示。

图但不是neuron：链接到下面的扩展描述

图11：Hesslow的节育案例[图11的扩展说明在补充中。]

避孕药直接促进血栓形成，但同时，他们预防怀孕，这本身都促进了血栓形成。 通过调整概率，我们可以使其成为如此，总的来说，服用血栓形成的概率没有差异。 然后，我们可能倾向于接受造成类型的因果索赔“避孕药对血栓形成没有影响” - 所有，你的血栓形成的机会完全相同，无论你是否服用避孕药。 Hitchcock（2001b）认为，这样的情况要求我们区分两种不同类型的原因的效果：他一方面称之为净效果以及他称之为组件效果的净效果。 在Hesslow的情况下，避孕药对血栓形成没有净效应。 这是说“出生对照药对血栓形成影响”是真实的。 同时，出生对照丸具有对血栓形成的组分或途径特异性效应。 沿着路径B→T，出生控制促进血栓形成。 这是说“避孕药引起血栓形成”的意义。 有关进一步讨论，请参阅Woodward（2003：§2.3）和Weinberger（2019）。

3.影响力

3.1 Relata

正如上面§1.1强调的那样，任何事件或事实理论都可以容易地转换为令牌变量的值的理论。 并且，可编派，令牌变量是由它们的值分类的。 所以，当令令牌的变量之间的影响方面，我们将面临许多关于因果关系的同一问题和辩论：它们有多精细或粗糙？ 什么时候是两个变量相同; 他们什么时候不同？ 变量包括缺席或遗漏作为值？ 但是，有一个额外的问题是询问变量的形而上学：何时可以将变量值的一些集合分组成一个变量？ 所有人都同意变量的潜在值必须互相排除。 那是：如果V和V *是变量v的两个值，那么v =v∧v= v *（这里，v = v是变量v的命题，即变量v，而且同样v = v *是变量v占据该值的命题v *）。

但是有额外的问题要询问哪些值可以将哪些值与之分组成令牌变量。 例如：必须同时关注变量的值吗？ 或者单个变量可以具有多个不同时间的多个值？ 假设Patricia周一去世了一代吗啡; 她没有收到吗啡，她周二去世了。 然后，有几种不同的变量我们可能会在思考Patricia的死亡时尝试使用。 我们可以使用单个变量来为帕特里夏是否死亡。 如果Patricia在星期一或星期二去世，那么如果她在周一和周二仍然活着，那么这个变量将是一个值。 或者我们可以在帕特里夏死亡时使用单个变量。 如果她在星期一去世，那么如果她星期二去世，那么这个变量将取得一个值。 或者，我们可以使用一系列时间索引变量，帕特里夏是否已在时间t中死亡，对于某种程度t。 作为Hitchcock（2012）所说：问题是Patricia是否在周一垂死，帕特里夏周二垂死

对应于相同的变量的值，到相同变量的不同值，或不同变量的值。 （2012：90）

当然，这个问题携带我们必须在这些选项之间进行选择的预设。 您可能会认为所有这些变量都存在，并且每个都会进入不同的影响力。

涉及型变量时，有关如何在令牌变量本身的个性化条件的单一及以上的问题上，有更多关于令牌变量的其他问题。 这个问题并不多讨论，但是认为，认为变量的类型是从其值的类型的类型继承的类型的类型。 即，如果x1和x2具有相同数量的潜在值，则x1和x2具有相同类型的类型，并且每个这些值都是相同类型的。 例如，令牌变量我的重量是多少，并且奥巴马的重量是相同类型的类型，因为它们都具有相同类型的潜在值（1千克，2千克等）; 另一方面，我的重量是多少，奥古拉·奥巴马吃多少粒子不是相同类型的，因为它们的潜在价值不是相同的类型。

3.2型号

变量之间的影响力通常在正式模型中编码。 正如令牌和类型之间的因果关系都可以是确定性或概率的，所以也可以是变量之间的影响力是确定性的或概率。 变量之间的确定性关系由结构方程模型表示; 虽然变量之间的不确定关系可以用概率模型表示（有时具有随机错误的结构方程模型 - 请参阅因果模型上的条目 - 或者通常只使用与出现的变量值的值分布配对的因果图。图表 - 请参阅概率导致的条目。）

在确定性情况下，可以在结构方程系统中编码变量之间的影响力。 为了插图，再次考虑我们在上述§1.2.1中使用的神经元系统来说明早期的抢占。 正如我们在§1.2.3中所看到的，对于系统中的每个神经元，我们可以为该神经元在相关时间触发的变量引入变量。 一旦我们这样做，下面的结构方程系统描述了这些变量之间的因果关系。

- 答：=b∧¬c

d：= c

e：=a∨d

在达到关于这些方程式的任何关系的形而上学问题之前，以及这样的方程式所需的是正确的，让我们首先专注于如何在实践中使用这些等式。 重要的是要认识到，结构方程和普通方程之间存在差异。 等式D = C是对称的。 它可以等效地重写，如C = D。 相反，结构方程D：= C不对称。 它告诉我们，变量D受因变量C的因果关系。这种形式的因果影响是不对称的。 要强调这些方程不是对称的，“：=”而不是“=”。

一些术语：给定结构方程系统，一些方程的左侧出现的变量称为内源性变量。 仅出现在方程的右侧侧面的变量被称为外源。 该模型不会告诉我们外源变量的值如何确定外源变量的值; 但它确实告诉我们如何通过模型中的其他变量的值因果关系而导致的内容变量的值。

在这种情况下，对外生变量的值分配足以告诉我们模型中每个内源变量的值。 那是：如果你知道b = c = 1，你也知道a = 0和d = e = 1。 一般不一定是这种情况。 例如，考虑以下等式系统：

y：= x + z

x：= y-z