Quan hệ nhân quả được xác lập trong khoa học như thế nào?

Vì vậy, khoa học không xác lập nhân quả bằng một dấu hiệu duy nhất. Nhà nghiên cứu phải kết hợp câu hỏi nhân quả rõ ràng, thiết kế nghiên cứu phù hợp, kiểm soát các cách giải thích cạnh tranh và bằng chứng đủ mạnh. Thí nghiệm ngẫu nhiên thường tạo điều kiện thuận lợi nhất cho suy luận nhân quả, nhưng nghiên cứu quan sát vẫn có thể cung cấp kết luận nhân quả khi cấu trúc nguyên nhân, giả định và nguồn sai lệch được xử lý thích hợp.

Quan hệ nhân quả khác với việc hai yếu tố cùng thay đổi

Nếu X và Y có quan hệ nhân quả, việc thay đổi X phải có khả năng làm thay đổi Y trong những điều kiện được xác định. Chẳng hạn, nếu một loại phân bón thực sự làm cây tăng trưởng nhanh hơn, nhóm cây nhận phân bón phải có kết quả tăng trưởng khác với kết quả mà chính nhóm cây đó có thể đạt được nếu không nhận phân bón, sau khi những yếu tố liên quan được xử lý.

Đây là điểm phân biệt quan trọng giữa nhân quả và mối liên hệ thống kê. Hai biến có thể đồng thời tăng hoặc giảm mà không có biến nào gây ra biến kia. Nhiệt độ ngoài trời và lượng kem bán ra có thể cùng tăng vì mùa nóng. Do đó, chỉ quan sát thấy chúng tương quan không đủ để kết luận ăn kem làm nhiệt độ tăng hoặc nhiệt độ tăng vì kem được bán nhiều hơn.

Trong ngôn ngữ suy luận nhân quả hiện đại, một hiệu ứng nhân quả thường được hiểu bằng phép so sánh giữa các kết quả tiềm năng: điều gì xảy ra khi một đối tượng nhận một tác động và điều gì sẽ xảy ra với cùng đối tượng đó nếu tác động được thay đổi. Vấn đề là trong thực tế chỉ một trong những trạng thái này được quan sát tại một thời điểm. Trạng thái còn lại là phản thực — counterfactual — nên phải được suy ra thông qua thiết kế nghiên cứu và các giả định.

Khoa học xác lập nhân quả bằng cách xây dựng một phép so sánh hợp lệ

Một câu hỏi nhân quả về bản chất là câu hỏi về sự can thiệp: Nếu thay đổi X, Y sẽ thay đổi như thế nào so với khi không thay đổi X?

Muốn trả lời, nhà nghiên cứu cần xây dựng hai tình huống có thể so sánh. Một tình huống đại diện cho trạng thái có tác động, tình huống còn lại đại diện cho trạng thái không có tác động hoặc có một tác động khác. Hai tình huống phải đủ tương đồng để sự khác biệt về kết quả có thể được quy cho yếu tố đang nghiên cứu thay vì những nguyên nhân khác.

Ví dụ, nếu muốn biết một phương pháp giảng dạy có cải thiện điểm kiểm tra hay không, việc chỉ so sánh học sinh tự chọn phương pháp mới với học sinh học theo phương pháp cũ có thể gây sai lệch. Nhóm chọn phương pháp mới có thể vốn chăm học hơn, có giáo viên tốt hơn hoặc có điều kiện gia đình khác biệt. Những yếu tố này vừa ảnh hưởng đến việc nhận phương pháp vừa ảnh hưởng đến kết quả và trở thành yếu tố gây nhiễu.

Do đó, xác lập nhân quả không đơn thuần là phát hiện chênh lệch. Nhiệm vụ quan trọng hơn là xác định liệu chênh lệch đó có còn tồn tại khi các cách giải thích phi nhân quả hợp lý đã được loại trừ hoặc kiểm soát hay không.

Tương quan không đủ để chứng minh quan hệ nhân quả

Một mối liên hệ quan sát được có thể hình thành ít nhất theo một số cơ chế khác nhau ngoài nhân quả trực tiếp.

Thứ nhất là gây nhiễu. Một yếu tố thứ ba ảnh hưởng đồng thời đến cả nguyên nhân giả định và kết quả. Đây là lý do hai biến có thể liên hệ rất mạnh nhưng việc can thiệp vào một biến lại không tạo ra hiệu ứng dự đoán trên biến kia.

Thứ hai là nhân quả ngược. X có thể được cho là gây Y trong khi thực tế Y làm thay đổi X. Thứ tự thời gian vì thế là điều kiện cơ bản: nguyên nhân phải xuất hiện trước kết quả mà nó được cho là gây ra.

Thứ ba là sai lệch do cách chọn mẫu, cách đo lường hoặc cách phân tích dữ liệu. Chẳng hạn, chỉ phân tích một nhóm được lựa chọn theo tiêu chí có liên quan đến cả nguyên nhân lẫn kết quả có thể tạo ra một mối liên hệ không tồn tại trong quần thể ban đầu.

Cuối cùng, một liên hệ cũng có thể xuất hiện do dao động ngẫu nhiên. Kiểm định thống kê và khoảng bất định giúp đánh giá thành phần này, nhưng ý nghĩa thống kê tự nó vẫn không biến một liên hệ thành quan hệ nhân quả. Một kết quả có thể rất “có ý nghĩa thống kê” nhưng vẫn bị gây nhiễu hoặc sai lệch thiết kế.

Bởi vậy, dữ liệu thống kê trả lời tốt câu hỏi “những biến này liên hệ với nhau như thế nào”, còn câu hỏi “điều gì sẽ xảy ra nếu chúng ta can thiệp” đòi hỏi thêm thông tin về quá trình tạo ra dữ liệu và cấu trúc nguyên nhân.

Thí nghiệm ngẫu nhiên tạo bằng chứng nhân quả mạnh bằng cách nào

Trong một thí nghiệm ngẫu nhiên có đối chứng, đối tượng được phân bổ ngẫu nhiên vào các nhóm nhận những tác động khác nhau. Giá trị quan trọng của ngẫu nhiên hóa nằm ở việc quá trình phân nhóm không phụ thuộc có hệ thống vào các đặc điểm có trước của đối tượng.

Nhờ đó, các nguyên nhân khác có khả năng ảnh hưởng đến kết quả được cân bằng giữa các nhóm theo kỳ vọng. Nếu quy trình được thực hiện tốt, khác biệt kết quả trung bình giữa các nhóm có thể được giải thích hợp lý bằng khác biệt về tác động mà họ nhận được.

Ví dụ, nếu bệnh nhân được phân ngẫu nhiên vào nhóm dùng thuốc và nhóm đối chứng, tuổi, mức độ bệnh, lối sống và nhiều yếu tố khác không còn quyết định một cách có hệ thống ai nhận thuốc. Điều này làm giảm mạnh vấn đề gây nhiễu và giúp phép so sánh gần với câu hỏi phản thực: chuyện gì sẽ xảy ra với những người tương tự nếu họ nhận hoặc không nhận can thiệp.

Tuy nhiên, thí nghiệm ngẫu nhiên không tự động làm mọi kết luận trở nên đúng. Việc bỏ cuộc không cân bằng giữa các nhóm, không tuân thủ can thiệp, đo lường sai, che giấu phân nhóm không phù hợp hoặc phân tích sau khi biết kết quả đều có thể làm giảm độ tin cậy.

Ngoài ra, không phải câu hỏi nhân quả nào cũng có thể hoặc nên được kiểm tra bằng thí nghiệm. Không thể phân ngẫu nhiên con người vào những phơi nhiễm được biết là nguy hiểm chỉ để kiểm tra tác hại. Trong nhiều lĩnh vực xã hội, môi trường và y tế, nhà nghiên cứu vì thế phải suy luận từ dữ liệu quan sát.

Nghiên cứu quan sát vẫn có thể hỗ trợ kết luận nhân quả

Khi không thể ngẫu nhiên hóa, vấn đề trọng tâm chuyển từ “phân nhóm thế nào” sang “những điều kiện nào khiến phép so sánh quan sát được có thể đại diện cho phép so sánh nhân quả”.

Các phương pháp suy luận nhân quả hiện đại thường bắt đầu bằng việc mô tả cấu trúc nguyên nhân dự kiến: yếu tố nào gây tác động, yếu tố nào gây kết quả, yếu tố nào là biến gây nhiễu và biến nào nằm trên đường truyền của hiệu ứng. Đồ thị nhân quả có hướng, thường gọi là DAG, là một công cụ để biểu diễn những giả định này.

Sau đó, nhà nghiên cứu lựa chọn phương pháp phân tích phù hợp, chẳng hạn điều chỉnh biến gây nhiễu, ghép cặp, trọng số xác suất, các phương pháp g, biến công cụ, thí nghiệm tự nhiên hoặc mô phỏng một “thử nghiệm mục tiêu” từ dữ liệu quan sát. Không phương pháp nào tự tạo ra nhân quả từ dữ liệu; giá trị của chúng phụ thuộc vào việc các giả định cần thiết có hợp lý hay không.

Một số giả định nền tảng thường xuất hiện trong cách tiếp cận dựa trên kết quả tiềm năng. Khả năng trao đổi yêu cầu các nhóm sau khi xử lý gây nhiễu có thể được so sánh về kết quả phản thực. Tính dương yêu cầu mỗi nhóm đối tượng liên quan phải có khả năng nhận những mức tác động cần so sánh. Tính nhất quán yêu cầu tác động đang nghiên cứu được định nghĩa đủ rõ để kết quả quan sát tương ứng với trạng thái can thiệp đã đặt ra.

Trong dịch tễ học, các xem xét do Austin Bradford Hill trình bày năm 1965 — như trình tự thời gian, tính nhất quán giữa nghiên cứu, độ mạnh của liên hệ, gradient liều–đáp ứng, tính hợp lý, tính nhất quán với tri thức khác và bằng chứng thực nghiệm — cũng giúp đánh giá liệu một liên hệ quan sát có phù hợp với diễn giải nhân quả hay không. Tuy nhiên, chúng không phải một bảng kiểm mà chỉ cần đạt đủ mục là “chứng minh” được nhân quả. Hill nhấn mạnh rằng không có một tiêu chí riêng lẻ nào cung cấp bằng chứng không thể tranh cãi.

Một kết luận nhân quả đáng tin cậy cần hội tụ nhiều loại bằng chứng

Trong khoa học, độ tin cậy của một kết luận nhân quả thường tăng khi nhiều bằng chứng độc lập cùng phù hợp với một cách giải thích.

Trước hết, trình tự thời gian phải đúng: nguyên nhân phải có trước kết quả. Đây là điều kiện cần, dù bản thân nó chưa đủ.

Tiếp theo, thiết kế nghiên cứu phải làm giảm các giải thích thay thế. Với thí nghiệm, ngẫu nhiên hóa đóng vai trò trung tâm. Với dữ liệu quan sát, nhà nghiên cứu phải xác định và xử lý gây nhiễu, sai lệch lựa chọn, sai số đo lường cùng những giả định không thể kiểm tra trực tiếp chỉ bằng dữ liệu.

Một kết luận cũng mạnh hơn khi được tái lập trong các quần thể, thời điểm hoặc phương pháp nghiên cứu khác nhau. Nếu hiệu ứng chỉ xuất hiện dưới một lựa chọn mô hình rất cụ thể và biến mất khi phân tích thay đổi hợp lý, bằng chứng nhân quả yếu hơn so với trường hợp kết quả ổn định qua nhiều kiểm tra độ nhạy.

Cơ chế giải thích cũng có giá trị vì nó cho biết bằng cách nào nguyên nhân có thể tạo ra kết quả. Tuy nhiên, chưa biết đầy đủ cơ chế không đồng nghĩa quan hệ nhân quả chắc chắn không tồn tại. Ngược lại, một cơ chế nghe có vẻ hợp lý cũng không đủ để thay thế bằng chứng thực nghiệm.

Vì thế, trong nhiều vấn đề khoa học, câu hỏi phù hợp không phải là “đã chứng minh nhân quả tuyệt đối chưa”, mà là bằng chứng hiện có làm cho cách giải thích nhân quả đáng tin cậy đến mức nào so với những giải thích cạnh tranh. Mức độ chắc chắn phụ thuộc vào thiết kế, dữ liệu, giả định và sự hội tụ của nhiều nguồn bằng chứng.

Quan hệ nhân quả được xác lập khi khoa học có cơ sở để kết luận rằng thay đổi một yếu tố sẽ tạo ra thay đổi ở yếu tố khác trong những điều kiện xác định, chứ không đơn thuần vì hai yếu tố xuất hiện cùng nhau. Thí nghiệm ngẫu nhiên tạo bằng chứng mạnh bằng cách xây dựng nhóm so sánh ít bị gây nhiễu; khi thí nghiệm không khả thi, nghiên cứu quan sát phải dựa vào thiết kế nhân quả, các giả định minh bạch, kiểm soát sai lệch và sự hội tụ của nhiều bằng chứng. Vì vậy, nhân quả là một kết luận được suy luận và kiểm chứng có hệ thống, không phải một thuộc tính có thể đọc trực tiếp từ tương quan trong dữ liệu.