Модели причинного анализа

Анализ причинный — методы моделирования причинных отношений между признаками с помощью систем статистич. уравнений, чаще всего регрессионных. Причинные отношения иногда наз. структурными, каузальными и исследуются исходя из трех аспектов: правильности отображения направленности влияний признаков и возможного осуществления двух целей — прогнозирования и объяснения, решаемых для каждого из уравнений системы, описывающей причинные отношения. Каждый из трех аспектов требует разъяснения, тщательной проработки с применением содержательных и формальных соображений.

Основными понятиями А.п. являются: путевая (структурная, причинная) диаграмма, причинный (путевой) коэффициент, прямые, косвенные и мнимые компоненты связи между признаками. Путевая диаграмма отражает графически гипотетически предполагаемые причинные, направленные связи между признаками модели. Система признаков с однонаправленными связями наз. рекурсивной, матрица параметров статистич. уравнений, соответствующих такой системе, имеет треугольный вид. Нерекурсивные причинные системы учитывают также и обратные связи, напр., два признака системы могут быть одновременно и причиной, и следствием по отношению друг к другу. Все признаки делятся на признаки-следствия (зависимые, эндогенные) и признаки-причины (независимые, экзогенные). Однако в системе уравнений эндогенные признаки одного из уравнений могут быть экзогенными признаками др-уравнений. В случае четырех признаков рекурсивная диаграмма всех возможных связей между признаками имеет вид:

Соблюдение предположений, к-рым должны удовлетворять данные. Перечислим эти предположения.

• 1. Отношения между признаками модели должны быть линейными, аддитивными и по возможности отвечающими изучаемым причинным связям.
• 2. Признаки-ошибки измерения не коррелируют между собой и с др. признаками системы. Экзогенные признаки в уравнениях могут коррелировать между собой, более того, метод призван объяснить корреляцию двух признаков с помощью компонент прямых и косвенных связей, существующих между ними.
• 3. Все переменные имеют интервальный уровень измерения.
• 4. Система признаков имеет только однонаправленные связи, обратные связи между признаками изучаются с помощью специальных методов для нерекурсивных систем. При выполнении всех указанных условий система регрессионных уравнений в стандартизованном виде имеет решение, коэффициенты bij можно определить методом наименьших квадратов, и они наз. причинными коэффициентами, обозначаемыми часто Рг. Т.обр., причинный коэффициент Р.

Качество модели А.п. или ее адекватность эмпирич. данным оценивается как степень совпадения коэффициентов корреляций, полученных по формуле Райта на основе рассчитанных параметров системы, с коэффициентами корреляций, вычисленными обычным путем по эмпирич. данным. Если коэффициенты, полученные по модели, хорошо воспроизводят эмпирич. коэффициенты, то можно говорить о соответствии теоретич. предположений о причинных влияниях реально существующим связям. При исключении слабых причинных влияний качество воспроизведения корреляционных коэффициентов может улучшиться, если модель адекватна данным. Если две конкурирующие модели дают одинаково хорошее качество воспроизведения корреляционной матрицы, то в рамках А.п. не существует средств выбора одной из моделей как наиболее правильной. Поэтому А.п. не может служить окончательным средством для построения теории о причинных связях, скорее всего, он дает формальный аппарат для проверок, подтверждения или опровержения гипотез о причинно-следственных связях между признаками. Недостатком методов, препятствующих широкому их использованию в социологии, является необходимость использования шкал высокого измерения (количественных, интервальных) для изучаемых признаков.

Модели А.п. можно применять для проверки соответствия поведения установкам, для исследования панельных данных, для анализа ошибок в данных и во многих др. задачах.