因果模型的应用

因果逻辑在经验研究中的应用问题，归结起来是一个确定因果上相关的变量，以及确定在其中我们可应用因果分析系统的界线问题。邦奇（1963， 50—1）遵循罗素（1914，235—5）的观点阐述道：

作为法则一样的因果联系，并不适用于一些孤立的事实，而适于属于某些等级或种类的那些事实——它们注意个别实例中的变异。

那么问题就在于确定事件集 A（由某一性质或某些性质来定义），它与

另一事件集 B 有这种关系，以致我们可以声称 A 引起 B。此类集合的确定并非易事。

因果原则“一般意义”的说法里，隐含着事件集 A 无论如何都不同于集合 B。例如，说因为农夫是酒花种植者，所以他们种酒花，这就很难符合我们有关因果原则的直觉观念。另一方面我们面临着这样的问题：即一旦我们借助因果关系把两个事件集连结起来，我们就能在其间插入一些中间集合，如果我们追索下去的话。例如连续降水→小麦产量可以变换为降水→土壤水份含量→小麦产量。在第一个陈述里，降雨被看成是直接原因，但在第二个

陈述里被处理成因果链中的间接原因。所以布拉罗克（1964，18）指出：

在任何设想为直接相关的因数之间，通常都有可能插入为数众多的额外变量。我们必须适可而止，并考虑既定理论系统。

这样，一个系统里的直接关系“在另一个系统里可能是间接的，甚至可

能表现得不合逻辑。”但是，当插入越来越多的变量时，这些变量相互间的区别将趋于越来越小，例如降水→土壤水份含量→小麦生长→小麦产量。在现实中的很多情形里，我们打交道的是事件的连续系统，这些事件不易相互分离。这样，降水和土壤水份含量之间的关系就可以看作是形成水分循环的连续系统的一部分。但是这里的根本问题是，确定一个系统的方式基本上是一种专断决定，而且在某些场合里，它还包括把连续系统处理为好像它们具备了可在现实中认识的分离状态。在这些情形里，很显然，为了将因果模型应用于经验场合，就包含了大量似乎之类的想法。在能辨别出分离状态并证明有某种因果联系的情况，因果论据就能形成关于现实的某种理论的基础。然而，在大多数情况下，把它看成是分析真实世界相互作用的简便模型，可能更好些。

因果分析的一般应用，还包括对适当的事件集合下定义。这是一个分类问题，正如我们已看到的，分类不是反映了某种理论，就是作为形成理论的一种刺激因素而活动。例如，在根据特性而作分类时，特性的实际选择取决于区别对象和事件这类特性的重要性的假设。在存在精密理论的场合下，这些特性通常都显示出重要性，但有很多情况，分类本身不受经验数据集合的控制——这些分类就形成社会科学以及地理学的若干理想化解释（见前文，第 91—96 页）。除非通过内省和诉诸直觉，很多此类理想化解释是非常难以证明的。马克斯·韦伯清楚地认识到这个问题。对韦伯来说，社会结构演变的分析包括因果分析，而基本问题在于“证明一定历史个别事件的某些特征与某些经验事实之间存在某种因果关系”。在他看来，只有当这个问题能归纳成一种“概念”与“观念类型”之间的关系（塔尔柯特·帕森斯，1949， 610）时，这种证明才是可能的。这里，因果原则变成概念、种类和观念类型之间的一种图解关系，而这种图解表示的适合性，完全取决于所确立的观念类型的适合性。因果模型的可应用性，既有赖于已涉及的类型定义的适合性，也有赖于对将要包括的类型之选择。给出这个一般结论后，值得指出：没有一种因果结构会具有在一定领域里排它的规则。如果我们愿意解释农夫的行为，我们的做法是，既可引伸出涉及气质、动因等等的结构，也可以发展涉及环境控制、市场价格等等的结构。这样，可用几个不同的因果模型来解释同一事件集合，而且这些模型毫无必要相互排斥。

因果模型的条件之一是不可逆性，即若 A→B，则 B→A。这一条件包含着一些识别问题，这就意味着在一系列变量中建立西蒙（1953）所称谓的因果顺序的问题。在多数情况里，很难说究竟是 A→B 还是 B →A，或很难说其间是杏存在着两种相互作用方式。例如，如果说在肯特酒花种植的发展，是由于小规模自由保有不动产权的农场结构的存在而引起，那么有可能颠倒这个陈述并使之有理。在一些场合中，反向陈述却没有道理。例如，说小麦产量

→降水就毫无道理。然而，如果反向陈述没有道理，我们就需要有某种办法来决定由哪一变量所引起。有时可以通过建立事件之间的时滞来避免这个问题。若 A→B，因果解释要求 B 不能先于 A。但是时滞的建立不过是一种有用的而不是重要的引导，所以如此的原因，可能是事件的复杂序列使得 B 先于

A。考虑我们正试图显示价格水平与一定作物种植面积之间的因果关系这种情况。假设我们发现价格的下跌很有规律地追随作物面积的减少，这种情况并没产生经济上的道理，因为它违背了价格→面积变化的普遍期望。但是设想我们插入一个中间项，例如将来价格水平的期望，那么这个系统就可以产生道理了。这里的关键是 A 与 B 间的时滞假定 A 是 B 的直接原因，并假定每一变量在时间上的分布是分离的。而对连续分布的变量若不作出一些稳固的假设，例如前六个月的价格引起后六个月的产量水平，就很难在因果框架中讨论。

西蒙（1953）和布拉罗克（1964）通过分析一个系统中联锁变量的结构抓住了定义问题。西蒙的处理尤其有趣。他指出，如果我们掌握一套联系各变量集合的结构方程，那么当存在唯一的变量因果顺序时，连接变量的系数矩阵将在一定的变换形式下保持不变。如果我们能从经验上显示正在考察的相互关系具有这种性质，那么识别问题和因果顺序的问题就能有效地解决（西蒙，1953，68—9）。这种处理依靠假设关系 A→B 的非对称性，而不依赖在两个事件集之间建立时滞。

说 A→B 意味着若无 A 的发生 B 就不存在，除非还有另外的事件集 Z，它独立于 A 但又能导致 B.这里又有一个复杂的问题，最好集中考虑 B 存在的必要条件和充分条件之间的差别，才加以分析：

必要条件是若干事情的一种状态，这些事件保证了一个未发生事件的预言。缺乏雨水可以看成是阻止酒花种植在肯特发生的条件（在得不到其它供水手段的情况下）。必要条件是非常消极的，它们实际上规定了一套约束条件。
充分条件是若干事情的一种状态，这些事件保证了预测一个事件的发生，因此它是非常积极的；如果 A 是一个充分条件，那么当我们已观测到 A 时，我们会自然而然地期望观测到 B。如果降水是一个充分条件的话，那么我们就应当期望在有降水的地方找到酒花种植了。

布拉罗克（1964，31）识别了四种可能的情况：

（i）A 对 B 的发生是必要且充分的（例如小规模、自由保有不动产权的农场对酒花种植是根本的，并导致酒花种植）。

（ii）A 对 B 来说是一必要的但不是充分的条件（例如小规模自由保有不动产权的农场对酒花种植是根本的，但并不导致种酒花）。

（iii）A 对 B 是充分但不必要的（例如小规模、自由保有不动产权的农场导致酒花种植，但在不存在此类农场的地方可能发现酒花种植）。

（iV）A 对 B 仅仅是部分必要和/或部分充分（如在我们发现酒花种植的大多数场合里，我们都可以把它归因于农场结构的作用；或在我们发现某种特殊农场结构的大多数情况里，我们都将发现酒花种植）。这最后一种陈述形式，等于是因果模型的一种概率论变体。

布拉罗克指出，通过坚持把 A 定义为包含 B 的所有必要条件和充分条件，可以为（ii）、（iii）和（iv）这几种情况重新下定义来与（i）取得一致。这样，在（ii）中发现的情况，就是指在一种多重原因结构中我们正识别出部分原因的那种情况，而该结构中的其它一些部分原因是未知的。这里的全部要求就是鉴定那些集合，例如 A1 和 A2，它们的共同出现（A1∪A2）导致B.如果我们把这种许多不同事件集交错的思想加以延伸（因此发展一种高度复杂的多重原因结构），我们就接近于本世纪初法国地理学者探究的基本设

想了（勒克曼，1965）。在（iii）的情况里，问题就是联合很多的集来为 A 下定义，以使 A 对 B 来说是必要且充分的。在（iV）的情况里，我们可以把“A 在 60％的场合导致 B” 这种形式的概率性陈述当作反映了如下情形，即初始集 A 可以分割为两个子集 A＇和 A＂，以使 A＇→B 和 A'→B'而且 A＇在 60％的时间里都发生（诺瓦克， 1960）。以上所有实例都有可能通过为有关系统重新下定义以符合因果框架，从而把因果框架维持其最强有力的形式。但是显然，我们在这样做时，铸造了一些操作定义来适应这种逻辑框架，并以适合于这种逻辑模型的方式把情形概念化。这样一种处置可能是极其有用的，但是显然，在这里因果逻辑对讨论现实起着一种先验模型的作用，而不是关于现实的一种理论。