原因系统

尽管在很多经验的场合里，采用因果分析面临着一些困难，但在分析复杂系统的结构时，却证明其基本逻辑极其有用。当然，由于这种基本模型的性质而使因果系统的讨论部分地成为必需，因为两个变量之间的因果关系，显然不能从经验上来评价，除非我们对其它变量能作出某些简化的假设（例如无环境强制或以未知方式操作的公设特性）。（布拉罗克，1964，13）

只有当我们能假设另一个变量 C 对 B 不起作用（其对 A 的作用可以看成是不相干的），或我们能有效地控制 C 对 B 的作用时，我们才能洞察 A→B 一类的关系。实验设计的作用之一，就是把某一单集的关系使之孤立（并消减来自其它变量的干预），但在地理学研究里，我们只能偶尔在实验室中作实验。这样，我们就面临着收集数据这个困难问题，我们要最大量地获取有关要研究的特别关系的信息。这就包括把干预降至最小，而这又常常通过随机化过程来作到。（见前文，第 433—436 页）

然而，这种变量干预的普遍问题说明，在多数场合里，我们所要对付的是一个复杂的因果系统。而最近已发展起来的趋势是要研究整个系统，而不是它的各个孤立部分。当然，在一个研究中，必须把该系统看作在某方面是封闭的。正如 M. 邦奇（1963，125—47）指出的，既然“宇宙不是事物的堆积，而是各种相互作用系统所组成的一个系统”，那么几乎任何一项项科学研究，都包括子系统的隔离问题。他继续指出：

在无数的因素集中总存在着联系，从来不是单个、孤立的事件或性质之间的联系，如因果论所设想的那样⋯⋯然而由因果思想产生的分拣挑选，虽然从本体论上看有缺陷，在方法论上却是不可避免的；就象在其它任何场合一样，这里的缺点不在于产生误差，而在于抹煞或忽视了误差。

考察一下图 20.1A 所示的连锁变量的集，这是一个只由六个变量支配的

农场经济中各种相互作用的假想模型，只记录了直接原因。可以用从原因到结果的“流程”图来表示这同一个系统。（图 20.1B）这是模型的一个特殊种类，它可能出现于特殊情况研究中。在这种情形里，我们仅仅假设其相互关系。在现实中，其实常常很难确定因果结构的准确性质。布拉罗克（1964，第 3 章）较深入地讨论了评价这种因果结构的方法。该方法从把变量间各种相关的一个矩阵作为基本数据入手。由于这些相关是对称的，又由于间接原因与结果会有高度相关，这些相关不能看作直接因果联系的证据。例如在图20.1A 中，到市场的运输费用和每英亩产量之间非常可能存在高度相关，但

这是由于这种相关通过价格和肥料投入起作用，而不是作为一种直接原因起作用。然而布拉罗克认为，在这种情形里，通过检验部分相关系数来评价其结构是作得到的。但是如果我们从递归因果系统的角度来考察的话，这种方法将会更为清楚。

西蒙（1953）和很多计量经济学者（如沃尔德和杰林，1953；沃尔德， 1954；斯特罗兹和沃尔德，1960；约翰斯顿，1963，第九章）曾试图借助一系列递归联立方程来分析复杂的因果相互作用。这些方程一般可记为：

X1＝a1＋b12X2＋b13X3 十⋯十 b1kXk 十 e1 X2＝a2 十 b21X1＋b23X3＋ ⋯＋b2kXk＋e2 Xk＝ak＋bk1X1＋bk2X2 十⋯＋bk·k-1Xk-1+ek

这个系统中的系数如果在某些变换形式中保持不变，则将指示出系统里是否存在唯一的因果顺序（西蒙，1953）。但是在很多情况中，不能找到唯一的因果顺序。因此较为简单的方法是考察这种结构方程方法的一种特殊形式。以下内容是将西蒙（1953，58）和布拉罗克（1964）的叙述浓缩而成。假定我们有以下因果系统，其中逐渐不良的天气（X1）→小麦种植的减

少（X2）→小麦价格的上涨（X3），而且我们假定天气只取决于某一个参变量，小麦种植只取决于天气（加上某种偶然冲击），价格只取决于小麦种植

（加上某种偶然冲击）。假定各种关系都是线性的，则我们有以下递归结构

方程系统：

X1＝e1 X2＝B21X1＋e2

X3＝b3X2 十 e3

但是这个系统要求 X1 除了经过 X2 外对 X3 无任何影响，因此可把这个系统看成是下列方程系统的一种特殊情况，其中定 b31 为零：

X1＝e1 X2＝b21X1+e2 X3=b31X1+b32X2+e3

如果把这一系统中的各个参变都看作部分回归系数，则有： X3=b31·2X1+b32X2+e3

在得到我们提出的这个简单递归模型后，应等于零（与抽样变化无关）。这就意味着当 X2 保持常数时，X1 和 X2 之间的相关为零。因此，由显示 b31·2 事实与零并无显著差别来评价这样一个因果模型将是做得到的。这就形成了布拉罗克评价因果模型的方法基础。当然，这种方法还有一些复杂之处和某些困难，关心者可详细参阅布拉罗克分析的余下部分。

递归因果系统只是结构方程的一种形式，是涉及互逆因果系统分析的另一形式。这里的模型设计是考察各变量间的两路相互作用，但为此就有必要遍及若干时间周期来考察一个系统。于是我们可以建立递归系统的一种特殊形式来处理该形式的互逆相互作用这样的模型看来特别适于检验米尔达耳关于循环因果关系和累加因果关系的概念——普雷特（1966；1967）曾经在地理学领域中相当仔细地贯彻到底的一个概念。

在结束这节因果系统的分析之前，值得评论一下因果系统内部所包含的概率性陈述。当研究可从统计上来处理的事件集合时，可以构筑概率因果模型。在一些情况里，这一概率性要素直接就是从外界进入封闭因果系统的一种误差项或一种干扰。大多数计量经济模型就属这种形式。因此可把这些项划分成一组其相互作用被确定地模拟的变量，和一个包容测量误差、外部干扰等等的误差变量。在另一些情况里可以构筑因果系统，其中的变量可在系统之内进行概率模拟。考虑一个因果链模型，其中事件 B 追随事件 A 的概率P（B/A）是已知的，而事件 C 追随事件 B 的概率 P（C/B）也是已知的，如果A 与 C 之间不存在直接联系，则按照乘法定理，事件 C 追随事件 A 的概率由积 P（B/A）·P（C/B）给出。在这类模型中，可把概率的演绎定理和因果分析的逻辑结构结合起来使用，以便提供一个简便的分析框架。但是，任何较重要的不确定要素都难以与因果逻辑联合，而非演绎方法则肯定不能与之结合。然而把因果分析延伸到概率情况的一般能力具有重要的哲学意义，因为它对认为因与果本质上意味着决定论的形而上学信仰确实提出了某种挑战。道理所以如此需要加以解释。