老师，请问是否因果，可否泛化表格是专门针对实验时？

Question

这个表是针对实验时的吗？

Answer 1

Angelayuan 2019-08-16 00:15:46

“因果”和“可泛化”是针对从实验得到的结果/结论而言的。“随机分配”和“随机抽样”是针对实验设计而言。通常，我们需要通过收集和分析数据来研究某个感兴趣的问题。这些数据是从一些个体上收集到的，那么这些个体是否是从“总体中随机抽样”的，就决定了分析数据以后的到的结果/结论是“只适用于这些个体”，还是“可以泛化到这些个体所代表的总体”。此外，比如你想知道“运动与BMI是否有关系”。如果你是通过观察这些个体的历史数据对他们进行分组(有些人经常运动，另一些人不运动)，然后测量BMI，看两组人是否有差异；这个时候你得到的结果只能说明相关。如果你是主动操纵了某个感兴趣的变量(比如把这些个人分成两组，让一组人去运动，让另一组人不要运动；注意，这与这两组人本身是否经常运动没关系)，然后测量BMI，看两组人是否有差异，这个时候如果你发现有差异，可以说运动与BMI有因果关系。

• 提问者 Jazz_Qi #1

  老师，您好。
  我这里对随机分配与因果关系感觉还没有彻底明白，随机抽样与泛化是没太大疑问的。再用您的运动与BMI例子，假如样本是随机抽取的，然后分配时候不使用随机就一定不是因果关系吗？
  
  由于您的例子无论抽样还是分配都是随机的，意味着分配后两者的期望分布是皆有常运动和不常运动的人。
  假如如：分配时按照是否常运动分配，然后2组都运动，看结果是否不常运动的的BMI变化更显著，变化幅度更大，能否也能作出BMI与运动有因果关系？我知道这样连研究方法和分析方式都不一样了，请您帮忙分析一下在我举的实验方法中得到的结论能否包括BMI与运动间的因果关系。顺便对比一下您的例子，谢谢老师。

• Angelayuan 回复 提问者 Jazz_Qi #2

  你的问题非常好。因果关系是非常难验证的，想验证因果关系需要非常严格的过程。
  1. 分配的时候不使用随机分配一定不是因果关系，因为你分析得到的两个变量之间的关系，可能是由其他的混淆变量导致的。
  2. 随机分配的目的是控制混淆变量。在我举的例子中，涉及到两个关心的变量，第一个是“运动”(分类变量)，包含“是”和“否”两个水平；第二个是BMI(数值变量)。因果关系意味着，只要运动了，BMI就一定低。如果你按照个体平常是否运动进行分组，然后发现经常运动组BMI低，于是你说运动与BMI有因果关系，这肯定是错误的。原因是，有可能运动并不是BMI低的原因，而其他因素，比如性别、经济条件这些因素在影响BMI（即有可能你分成两组，运动组里大多数是经济条件好的男性，而不运动组里大多数是经济条件不好的女性，而这是你无法控制的，因为你只按照他们平常是否运动进行分组）。
  3. 如果想验证因果关系，你需要控制其他混淆变量，最简单的办法就是随机分组，使得这两组的人在各种维度的组成上是相似的。就像你提到的，随机分配后，两组既包含平常运动的人，也包含平常不运动的人，同时两组的人员在性别、经济收入的构成上也相似。这样，控制掉这些可能的混淆因素后，你让两组人一组去运动，一组不要运动，然后测量BMI，才可以推测因果关系。
  4. 这里我们用运动举例子，但其实谈到了两个不同的“运动”变量。一个变量是“平常是否运动”(我们无法操纵，而是根据观察得到的)，一个变量是我们操纵的“运动”(随机分配后，一组人运动，一组人不运动)。这里其实可以考察，运动(我们操纵的变量)与BMI的关系是否受到“平常是否运动”(我们无法操纵，而是根据观察得到的)这个变量的调节；或者，可以在控制掉"平常是否运动"的影响后，考察我们操纵的"运动"变量与BMI的因果关系。

• 提问者 Jazz_Qi 回复 Angelayuan #3

  谢谢老师。
  get到关键词了：因果关系与混淆变量，两变量的关系与其他变量的调节作用。