Книга: Почему

Время обманывает

Время обманывает

Время – одно из ключевых свойств, позволяющих отличать причины от корреляций. Просто мы исходим из предпосылки, что там, где наблюдается соотношение, проявляющийся первым фактор и есть единственная потенциальная причина.

Но, поскольку последовательность событий критически важна, ее достоверности при установлении причинных зависимостей может придаваться слишком большой вес.

Скажем, руководство школьной столовой решает сократить число жареных и высококалорийных блюд и увеличить ассортимент фруктов, овощей и цельнозерновых продуктов. После этого каждый месяц вес учащихся снижается.

Рис. 4.5 показывает искусственную медианную кривую значений веса учащихся по временному параметру (половина значений выше медианы, половина ниже). После изменений в меню заметно внезапное снижение, которое устойчиво держится месяцами. Значит ли это, что такой показатель вызван новыми блюдами здорового питания?

Рис. 4.5. Значение переменной по временному критерию. После изменения значение измеренной переменной падает

Такой вид графика, где наблюдается четкое изменение значения переменной после некоторого события, часто применяется для подтверждения вывода; но вряд ли можно считать его убедительным аргументом. Общий пример подобной ситуации – когда сторонники некоего закона заявляют о падении уровня смертности сразу после его введения в действие, или когда человек уверен, что лекарство вызвало побочный эффект, потому что тот проявился через несколько дней после его приема.

В примере со столовой мы понятия не имеем, идет ли речь о той же самой группе учащихся (возможно, в школу поступили новые дети, которым нравится здоровая пища, а те, кто терпеть не может фрукты, разом переехали); а может, дети или их родители потребовали изменить меню, потому что уже раньше пытались регулировать вес; или в отмеченный период произошло некое изменение, вызвавшее такое следствие (возможно, одновременно наметился рост физической активности в каникулы). Редко бывает так (если бывает вообще), чтобы единственная вещь трансформировалась, а остальной мир пребывал в полнейшей неизменности; поэтому представление динамического ряда всего лишь с двумя переменными ведет к ошибочному представлению о том, что следствие нового фактора проявляется изолированно. Это опять-таки лишь корреляция, пусть и временная.

Вмешательства в реальный мир – это гораздо более сложные и гораздо менее безусловные явления, чем лабораторные эксперименты. Скажем, в районе, где располагается промышленное предприятие, регистрируется ряд предположительных диагнозов рака. В итоге предприятие закрывается, и принимаются меры по ликвидации последствий загрязнения воды и почвы. Если после этого снижается число диагнозов рака, можно ли сделать вывод, что именно производство было причиной заболевания?

Мы действительно не представляем, стал ли зарегистрированный спад совпадением (или сам первоначальный рост был таковым), или же что-то другое в то же самое время вызвало изменения и стало истинной причиной, и тому подобное. Помимо того, количественная статистика порой столь мала, что любые вариации не могут быть статистически значимыми.

Есть общеизвестный софизм, который звучит так: post hoc ergo propter hoc, или «после этого, следовательно, по причине этого». Иными словами, некто ошибочно заключает, что одно событие вызвано другим просто потому, что происходит после него.

Например, можно выяснить, как некий рейтинг поменялся после определенного исторического события: действительно ли уровень смертности в ДТП упал после принятия закона о ремнях безопасности? Однако многие изменения случаются в одно и то же время, и даже вся система целиком может трансформироваться в результате вмешательства. О вызове под названием «смерть» мы поговорим в главе 7. Но возможно, однако, что здоровая пища в школьной столовой лишь косвенно вызвала потерю веса, просто побуждая учеников активнее заниматься спортом. Аналогично временные паттерны (к примеру, если спортивная команда побеждает каждый раз, когда перед матчем идет дождь) могут заставить кого-то решить, что это причинная зависимость, даже если события с большой долей правдоподобия можно объяснить совпадениями.

Такая проблема нередко возникает, если концентрироваться на коротком временном промежутке, игнорируя долгосрочные колебания. Две экстремально снежные зимы подряд, рассматриваемые в отрыве от исторических данных, ведут к ошибочному выводу о погодных паттернах холодного сезона. Но если вместо этого проанализировать данные за десятилетия, мы увидим годовые колебания в рамках общего тренда. Наконец, два события могут происходить одновременно только потому, что такую вероятность создают другие факторы. К примеру, если детям дают новую пищу примерно в том же возрасте, когда у них проявляются симптомы определенного заболевания, многие отметят видимую связь между двумя событиями, потому что они всегда случаются примерно в одно время.

Итак, здесь имеет место софизм cum hoc ergo propter hoc («вместе с этим, значит, вследствие этого»), или выявление причинной связи между событиями, которые всего лишь произошли одновременно. Отличие от post hoc («после этого») в том, что это временная последовательность событий, и поэтому такая ошибка встречается особенно часто.

Как всегда, для первого события и следствия может быть общая причина (к примеру, действительно ли лекарства от депрессии заставляют людей совершать самоубийство, или люди, подверженные депрессии, более склонны к самоубийству и употреблению антидепрессантов?); однако следствие также могло случиться само по себе и просто случайно предшествовало причине.

У меня разболелась голова, и я принял некое средство. Через несколько часов боль ушла. Можно ли утверждать, что помогло лекарство? Временной паттерн позволяет сделать предположение, что ослабление симптома произошло благодаря приему лекарства, однако я не могу сказать наверняка, что боль не прошла бы сама. Мне пришлось бы провести множество выборочных экспериментов, где я бы принимал или не принимал препарат, а потом записывал, как быстро исчезала головная боль, чтобы иметь возможность утверждать хоть что-то относительно подобной причинной зависимости. В главе 7 мы рассмотрим, почему результаты такого эксперимента окажутся малоубедительными и почему придется сравнивать действия лекарства и плацебо.

Точно так же, как близлежащие по времени события могут привести к ошибочным заключениям о причинности, длительные задержки между причиной и следствием способны помешать достоверному установлению причинно-следственных связей. Некоторые следствия наступают быстро (удар по бильярдному шару заставляет его двигаться), а некоторые процессы протекают в замедленном режиме. Известно, что курение вызывает рак легких; но между первой сигаретой и днем, когда диагностируют рак, пролегают долгие годы. Побочные эффекты от приема некоторых препаратов проявляются через десятилетия. Перемены в состоянии здоровья благодаря физическим упражнениям достигаются медленно и не сразу, и, если мы будем ориентироваться только на стрелку весов, может показаться, что вес сначала даже увеличивается, потому что мускулы наращиваются быстрее, чем уходит жир. Ожидая, что следствие должно идти непосредственно за причиной, мы не видим связи между этими глубоко взаимозависимыми факторами. Ученым чисто технически непросто собрать данные за десятилетия, чтобы выявить факторы, влияющие на здоровье. Но проблема частично заключается в том, что и обычным людям сложно выявить условия, коррелирующие с их состоянием здоровья, такие как диета и физическая активность.

Оглавление книги