科学哲学中的社会科学因果性争论述评_徐竹

76

·科学哲学·

科学哲学中的社会科学因果性争论述评

徐　竹　吴　彤　(清华大学科学技术与社会研究中心　北京　100084)

[中图分类号]N031 [文献标识码]A [文章编号]1002-8862(2008)11-0076-06

自20世纪90年代以来,社会科学的因果性问题越来越引起科学哲学界的关注。一条比较鲜明的线索是,三大主要的因果性研究进路———以斯皮尔斯(P e t e r S p i r t e s)和格利默(C l a r kG l y m o u r)为代表的贝叶斯网(B a y e s-n e t s)进路;以伍德沃德(J a m e s W o o d w a r d)和豪斯曼(D a n i e l H a u s m a n)为代表的模块性(m o d u l a r i t y)与不变性(i n v a r i a n c e)进路以及胡佛(K e v i nH o o v e r)的功效性(e f f i c a c y)进路———的提出,以及卡特赖特分别对他们的批判和由此引起的争论。

一　因果贝叶斯网进路

贝叶斯网是近20年来得到充分发展的因果推理模型。它主要是由美国卡内基-梅隆大学的格利默、斯皮尔斯、沙因斯(R i c h a r d S c h e i n e s)和凯利(K e v i nK e l l y)以及加州大学洛杉矶分校的泊尔(J u d e a P e a r l)领导的小组共同开发和倡导的。这一模型并不仅限于社会科学,它在医学、生态学、认知心理学等方面都有着广泛的应用。格利默等人还以该模型为基础开发了计算机软件T E T R A D,为因果推理提供了强有力的技术基础。

贝叶斯网本身是一套方法,其基础观念来自于两方面:一是因果性的概率论理论。萨普斯认为,B 是A“表面上的原因(p r i m a f a c i e c a u s e)”当且仅当B先于A发生,并且A在概率上依赖于B:A在B 发生时的条件概率高于A发生的概率。[1]但是,表面上的原因未必是真实的,这就涉及到因果知识的确证问题。格利默指出,葛梯尔问题对传统知识三元定义的冲击表明,对知识的辩护需要认知程序具有可信赖性(r e l i a b i l i t y);[2]因此,对因果知识来说,首先需要可信赖的推论方法、程序,能够保证从概率依赖关系推出因果关系。贝叶斯网继承了这两方面的传统,试图成为一种在背景知识的基础上,仅凭概率关系就能得出因果关系的可靠方法。

贝叶斯网推理的核心,就是一套“有向无圈图(d i r e c t e d a c y c l i c g r a p h)”搭配上满足因果马可夫条件(c a u s a l M a r k o v c o n d i t i o n)的概率分布。有向无圈图是表征所考察的因果模型中各变量间概率依赖关系的方法:用带箭头的线段表示概率上的影响关系,而从任何一点延伸下去都不准出现“首尾相接”的情况,所以是“无圈图”。在图标中,箭头直接指向A的变量被称为A的“父源(p a r e n t s)”;而对于任意变量B,如果存在着从A到B的路径———可以是间接的,在有向无圈图中箭头指向是可传递的———那么就称B为A的“后继(d e s c e n d a n t s)”。而因果马可夫条件规定,对于有向无圈图中任一变量,在其因果父源被给定的前提下,它在概率上独立于除父源和后继之外的所有变量[3]。概率分布满足马可夫条件是适用贝叶斯网方法进行因果推理的前提。

不难看出,在马可夫条件下从概率依赖到因果关系的推理是可靠的,因为这一条件不过是说,所有变量值的概率都唯一地取决于其相对于父源变量的条件概率。[4]为了使这一条件的功效发挥到最大,贝叶斯网模型还设定了另外两条公理:一是忠实性条件(f a i t h f u l n e s s c o n d i t i o n),即如果所有在概率分布P

上为真的条件独立关系均蕴涵于图示G 上的马可夫条件中,并且所有被G 上的马可夫条件蕴涵的概率独立关系也都在P 上为真,那么P 与G 就互相忠实于对方。它的实质是保证“所有的依存关系或条件依赖关系都仅仅来自于(有向无圈图所表征的)因果结构”[5],因而就保证了概率关系所反映的只是因果结构的特征。二是最小性条件(m i n i m a l i t y c o n d i t i o n ),它是保证具体的图示G 对满足马可夫条件的非冗余性:G 的任何一个子图示都不能满足马可夫条件。以这三个公理为基础,就可以仅凭概率运算来发现变量之间的因果关系。

贝叶斯网方法对因果性的刻画具有广泛的适用性,斯庞的论文标题开宗明义:“贝叶斯网就是因果依赖的一切”[6]。但同时它也引起了广泛的争论。汉弗莱斯和弗里德曼批评贝叶斯网方法过于重视概率

关系推理,忽视证据对因果知识支持的认识论维度。[7]

卡特赖特的批评主要集中于因果马可夫条件和忠实性条件的非普遍有效性,并明确指出在哪些情况下贝叶斯网方法是无效的。[8]对此,格利默在回应中

指出,即便是在那些卡特赖特指明不适用的领域,贝叶斯网方法也仍具有进一步扩展的可能性。[9]

相关的争论并未完结:支持贝叶斯网进路的一方认为,目前的反例一定可以通过技术手段的改进、拓展而得以解决;而卡特赖特认为,从原则上说贝叶斯网就不可能是普遍有效的,因而即便技术处理能够解决已知的问题,也会有新的矛盾呈现出来。二　“模块性”与“不变性”进路

“模块性”和“不变性”是豪斯曼和伍德沃德的因果性理论关键词,其基本概念框架来自于可操作性(m a n i p u l a b i l i t y )因果理论:“如果在某一范围内通过适当介入(i n t e r v e n e )以改变X 的值,并由此Y 的值也将随之改变,则X 与Y 之间具有因果关系。”

[10]柯林武德、加斯金和冯·赖特等都曾经从可操作性的角度刻画因果关系,不过伍德沃德认为这些前辈的论述过于“人类中心主义和主观主义”,而他希望发展出适合客观的因果性的可操作性理论。

“介入”是可操作性理论的核心概念。伍德沃德的理解是:“相关于Y 的对X 的介入这样来改变X 的值:如果Y 发生任何改变,则它都是作为对X 值改变的结果而发生的,而非来自于其他。”

[11]豪斯曼也是从对介入的预测的角度讨论反事实条件。[12]“不变性”是另一重要概念,它是针对一般概括而言

的:“某一概括描述了因果关系,当且仅当它在某些适当的介入下仍保持不变。”

[13]这里“保持不变”的意思是,当对X 的介入发生后,Y 按照理论概括所规定的方式改变。[14]在计量经济学的线性递归模型

的背景下,豪斯曼和伍德沃德主张两个意义上的不变性:首先,如果某方程要表征因果关系,则它需要是“层次-不变的(l e v e l -i n v a r i a n t )”,即变量间的函数关系在一定范围的介入中保持不变;另外,如果递归模型作为一个方程组整体要表征因果关系,则它还需要方程之间的不变性,即“模块性”:“一个方程系统是模块(m o d u l a r ),如果(1)每个方程在某介入程度中是层次-不变的,并且(2)相对于每个方程,都存在某个对依存变量的可能介入,它只改变该方程,而系统中的其他方程仍不被改变并是层次-不变的。”[15]模块性的基本含义在于,模型中的每一个方程都要表征一个相对独立的因果机制,因而改变其中一个方程并不会影响其他方程所表征的因果关系。

以介入的不变性和模块性为核心的因果理论,为因果马可夫条件提供了论证:“在决定论、模块性和因果充分性的前提下,变数集V 中的任一变数Y 的值能够随对V 中另一变量X 的介入而变化,仅当Y 的某个父源的值变化时”[16]。另外,可操作性的因果理论还与科学说明联系起来:说明性关系原则上

支持操作与介入,且必须是在一定程度的介入中保持不变性的关系;因此,相比自然定律而言,“不变性”是刻画科学说明更为合适的概念。

[17]卡特赖特的批评主要集中于两点:一是否认可操作性视角对于理解因果性概念具有普遍意义,二是反对支持因果马可夫条件普适性的模块性概念,认为其在非决定论条件下就无效。[18]胡佛认为,伍德沃

77

科学哲学中的社会科学因果性争论述评