Книга: Почему

И что теперь

И что теперь

Возможно, вы носите «умные часы», которые месяцами регистрируют данные о вашем сне и физической активности; или у вас есть данные полицейских отчетов по своему району, и вы хотите найти причину преступлений; а возможно, вы прочли, что некто вывел локальные тренды заболеваемости гриппом из постов в соцсетях. Как будете справляться с анализом собственных сведений?

Главное, что следует осознать, – нет какого-то единственного способа решения всех проблем с причинными зависимостями. Ни один из существующих подходов не дает возможности в каждом случае безошибочно определить причины (что оставляет широкий простор действий ученым). Некоторые позволяют сделать более общие выводы, чем другие, но все зависит от допущений, которые в реальности не истинны. Вместо того чтобы досконально освоить один метод и использовать его для решения всех проблем, нужен набор инструментов. Большинство методов можно адаптировать под основную массу ситуаций, но это не будет простейшим или самым эффективным подходом.

С учетом того, что ни один метод не совершенен, возможно, самая важная вещь – осознать пределы каждого. К примеру, если ваши логические выводы базируются на двумерной причинности по Грэнджеру, не забывайте, что вы ищете своего рода направленную корреляцию и учитываете многомерный подход. Байесовская сеть может быть неплохим выбором, когда каузальная структура (связи между переменными) уже известна и вы хотите вывести ее параметры (вероятностные распределения) из некоторых данных. Но, если для решения проблемы важно время, динамические байесовские сети (или методы для нахождения временных паттернов причинных зависимостей на основе данных) могут оказаться более приемлемыми.

Зная, непрерывны ваши данные или дискретны, можно сузить область вариантов, так как многие методы работают либо с одними, либо с другими (но не с обоими видами сразу). Если данные включают большое число переменных или вам не нужна полная структура, методы расчета причинной силы окажутся эффективнее тех, что работают с моделями. При использовании их, однако, нужно учитывать необходимость конструирования взаимодействий между причинами с целью прогнозирования.

Таким образом, цель использования причин так же важна, как и имеющиеся в наличии данные для выбора методов. Наконец, уясните для себя, что любые предпочтения, сделанные в рамках сбора и подготовки данных, влияют на характер логических выводов.

Оглавление книги