Taak 7: causaliteit

Question 1

Causale uitspraken: soorten en maten

Answer 1

Causaliteit of causatie kun je zien als een causale keten van gebeurtenissen of variabelen waarbij optreden/afwezigheid van de ene gebeurtenis bepalend is voor het optreden van andere gebeurtenis. In theorie kan de causale keten oneindig lang worden. Dus A → B is een causale keten, evenals A → B → C en A → B → C → D, enzovoort.

Een belangrijk doel van een causaal verband vinden is vinden van oorzaken.

Question 2

Causale effecten vereisen een vergelijking met de counterfactual

Answer 2

• Bij een contrafeitelijke uitspraak wordt geredeneerd vanuit een situatie die tegengesteld is aan de feitelijke situatie.
• Te herkennen aan ‘zou’.
• Soms onmogelijk om de contrafeitelijke uitkomst te kennen.
• Enorme complexiteit bij causale uitspraken: causale gevolgtrekkingen vereisen vergelijkingen tussen de feitelijke en contrafeitelijke uitkomst, maar de counterfactuals zijn niet geobserveerd.

Question 3

Correlatie versus causaliteit

Answer 3

Correlatie – ook wel samenhang/associatie – wijst erop dat de kans dat de ene gebeurtenis optreedt afhankelijk is van het optreden van de andere gebeurtenis. Correlatie wijst op statistische afhankelijkheid tussen gebeurtenissen. Dit wijst echter niet automatisch op een causale relatie.

Een ander duidelijk verschil tussen correlatie en causatie is dat een correlatie symmetrisch is en causaliteit niet. Het maakt statistisch gezien niet uit in welke volgorde je de variabelen met elkaar correleert.

Question 4

Causale relaties als difference-maker

Answer 4

Ideeën over causale relaties:

1. Difference-making: ene gebeurtenis maakt verschil voor het optreden van de andere (wat causale mechanisme is, wordt niet op ingegaan)

oorzakelijke factor kan worden gemanipuleerd en daarmee een verandering in de uitkomstmaat teweegbrengen. Maar als je een variabele manipuleert die enkel geassocieerd is met een andere variabele (en dus niet causaal van invloed is daarop), dan zal dit geen verschil uitmaken voor de uitkomstmaat.

2. Fysieke overdracht van energie (fysieke overdracht van energie vormt namelijk het causale mechanisme dat achter causale relaties schuilgaat)

Question 5

Belang van causale mechanismen

Answer 5

Inzicht in causaal mechanisme:
1. Inhoudelijk relevant: Geeft inzicht in werking v/e proces
2. Praktisch relevant: biedt handvatten voor interventie

De praktische relevantie die het kennen van causale processen te bieden heeft, heeft ook een keerzijde. We zijn zo gedreven geraakt in het ontdekken van patronen dat we ook patronen menen te zien waar deze niet bestaan.

Question 6

Correlatie ≠ causatie

Answer 6

Alle correlationele verbanden zijn een uiting van een specifieke configuratie van variabelen in een causaal model. O.b.v. het correlationele verband weet men vaak niet van welk causaal model dit correlationele verband een uiting is.

Om dit te begrijpen: helder overzicht van mogelijke causale modellen die aanleiding kunnen geven tot correlatie. Sommige van deze causale modellen bevatten een derde variabele.

Question 7

Causale modellen

Answer 7

Beschrijft causale relaties die men tussen variabelen verwacht voor causale effect.

vb. Interesse in causale effect van zelfvertrouwen op zoenen: causale model bestaat uit causale effect van zelfvertrouwen op zoenen inclusief alle mogelijke derde variabele(n).

Vaak worden causale relaties gevisualiseerd met een causaal diagram, een ‘directed acyclic graph’ (DAG).

Een DAG geeft dus niet de geobserveerde verbanden tussen variabelen weer, maar de causale relaties tussen de verbanden die je als onderzoeker op basis van theorie en eerder onderzoek verwacht. Deze verwachte causale relaties worden niet alleen gevisualiseerd door pijlen tussen de variabelen, maar ook door het ontbreken van pijlen. Een ontbrekende pijl geeft aan dat je geen directe causale invloed verwacht van de ene variabele op de andere. Als een causaal model de werkelijkheid goed beschrijft, dan volgt hieruit welke variabelen met elkaar zullen correleren en welke niet.

Question 8

Directe causatie

Answer 8

Bij een causaal model waarin de OV en AV in directe causatie met elkaar staan, is de ene variabele een directe oorzaak van de andere variabele. Bijvoorbeeld: causale effect van zelfvertrouwen naar zoenen, maar ook andersom, van zoenen naar zelfvertrouwen. Deze twee DAGs representeren dus twee verschillende causale modellen. Bij beide causale modellen wordt verwacht dat zelfvertrouwen en zoenen met elkaar correleren.

Question 9

Indirecte causatie of mediatie

Answer 9

Potochnik et al. beschrijven dat er onderscheid gemaakt kan worden tussen proximale en distale oorzaken. Volgens een causaal model loopt er een causaal pad van zelfvertrouwen via het hebben van een romantische relatie naar zoenen, en is er dus sprake van een indirecte causale relatie tussen zelfvertrouwen en zoenen. In dit voorbeeld is zelfvertrouwen een distale oorzaak van zoenen, en het hebben van een romantische relatie een proximale oorzaak.

In de literatuur wordt het bovenstaande model dat een ‘keten’ (chain) van oorzaken verbindt, ook wel aangeduid als een mediatiemodel. Het hebben van een romantische relatie is dan de (inter)mediërende variabele, ook wel de mediator, in het verband tussen zelfvertrouwen en zoenen. Men zegt dan dat het hebben van een romantische relatie het verband tussen zelfvertrouwen en zoenen medieert. In dit voorbeeld is er sprake van één intermediërende variabele, maar zoals een keten van oorzaken kan langer zijn, dus meerdere intermediërende variabele bevatten.

Merk op dat ook wanneer er sprake is van een intermediërende variabele, het causale effect kan lopen van zelfvertrouwen via het hebben van een romantische relatie naar zoenen, maar in principe ook andersom. Dus dat het zoenen aanleiding geeft tot het aangaan van een romantische relatie, waardoor je zelfvertrouwen groeit. Ook hier hebben we dus te maken met twee verschillende causale modellen.

Soms wordt een feedbackproces verondersteld tussen twee variabelen, waarbij – als we bij dit voorbeeld blijven – zelfvertrouwen niet alleen de kans bepaalt of iemand op een bepaalde leeftijd een romantische relatie aanknoopt, maar waarbij iemands ervaring met romantische relaties vervolgens ook van invloed is op diens zelfvertrouwen. Merk op dat het causale model met feedbackloop dat Bergstrom en West geven in feite een model is met indirecte causatie waarin voor elke meting een variabele is opgenomen.

Question 10

Common cause of confounding

Answer 10

Het is mogelijk dat een correlatie kan worden verklaard door een derde variabele die een gemeenschappelijke oorzaak is van beide variabelen. Dus in dit model is het hebben van een romantische relatie causaal van invloed op zowel het zelfvertrouwen als op zoenen.

Een derde variabele die een gemeenschappelijke oorzaak is van zowel X als Y, wordt ook vaak een confounder genoemd. Deze variabele vertroebelt namelijk de correlatie tussen X en Y (zelfvertrouwen en zoenen). Als dit causale model geldt en je bekijkt in de gehele groep adolescenten de relatie tussen zelfvertrouwen en zoenen (dat is, als je de derde variabele - of iemand al dan niet een romantische relatie heeft - buiten beschouwing laat), dan zul je waarschijnlijk een correlatie vinden tussen zelfvertrouwen en zoenen.

Deze correlatie tussen zelfvertrouwen en zoenen is, uitgaande van dit model, echter geen uiting van een direct causaal verband tussen beide variabelen (merk op: de pijl zelfvertrouwen → zoenen ontbreekt), maar van het feit dat deze variabelen volgens dit causale model beiden beïnvloed worden door dezelfde derde variabele.

Question 11

Colliding

Answer 11

Als je een correlatie vindt tussen zelfvertrouwen en zoenen, kan er ook sprake zijn van colliding. Het causale model waarin het hebben van een romantische relatie een collider is, wordt niet door Bergstrom en West besproken en is daarmee ook geen tentamenstof.

Question 12

Mogelijke verklaringen voor een gevonden correlatie

Answer 12

Zoals zojuist besproken, kan een correlatie ook via indirecte causatie worden verklaard, of via colliding. Wanneer je dus een correlatie tussen variabelen X en Y vindt, is het zinvol om erbij stil te staan in hoeverre elk van de hierboven besproken causale modellen aanleiding kunnen hebben gegeven tot de gevonden correlatie. Kort samengevat kunnen de volgende modellen dus van toepassing zijn.

Directe causatie (X → Y)

Directe causatie (Y → X)

Indirecte causatie/mediatie (X → C → Y)

Indirecte causatie/mediatie (Y → C → X)

Common cause/confounding (X ← C → Y)

Colliding (X → C ← Y) wanneer geconditioneerd wordt op C [dit model vormt geen tentamenstof]

Uiteraard zijn de bovenstaande zes modellen een versimpeling van zaken. In werkelijkheid zullen causale modellen bestaan uit een combinatie van bovengenoemde causale structuren en dus zowel directe als indirecte effecten, als common causes (en colliders) bevatten.

Daarnaast zullen er altijd meerdere ‘derde’ variabelen een rol spelen, waardoor het aantal mogelijke causale modellen dat aanleiding kan hebben gegeven tot een gevonden correlatie verder zal uitbreiden. Om goed na te kunnen nadenken over verschillende (alternatieve) verklaringen van een gevonden correlatie, vormen de bovenstaande causale modellen echter een zeer belangrijk startpunt.

Question 13

Spurieuze correlatie

Answer 13

Hierboven wordt een enkele keer een verband of correlatie als ‘spurieus’ bestempeld. Het is zinvol om te weten dat in de literatuur verschillende dingen worden bedoeld met de term spurieuze correlatie. Potochnik et al. (2019) evenals Bergstrom en West (2021) verwijzen met de term spurieuze correlatie naar onzincorrelaties die bijvoorbeeld verschijnen als je maar lang genoeg in de data speurt. Zie hier voor een aantal ludieke voorbeelden.

Binnen de literatuur rondom causale inferentie (het afleiden van causale effecten uit data) worden met spurieuze effecten alle niet-causale paden bedoeld die een eventueel causaal effect tussen de onafhankelijke en afhankelijke variabele vertroebelen (Pearl et al., 2016). Vanuit dat gezichtspunt leidt de aanwezigheid van een derde variabele die een gemeenschappelijke oorzaak vormt van X en Y tot een spurieuze correlatie tussen X en Y als niet voor die derde variabele wordt gecontroleerd. (Vanuit dit gezichtspunt zou ook het controleren voor een derde variabele die een collider vormt, leiden tot een spurieuze correlatie - dit vormt echter geen tentamenstof.)

Bottom-line is dat wanneer er gesproken wordt over spurieuze verbanden of correlaties je goed moet nagaan wat er precies wordt bedoeld, omdat de betekenis die aan deze term wordt gegeven kan verschillen.

Question 14

Benaderingen van causaliteit gebaseerd op difference-making

Answer 14

Zoals de voorgaande sectie liet zien kan een correlatie tussen twee variabelen (bijv. zelfvertrouwen en zoenen) een uiting zijn van zeer verschillende causale processen. Enkel een correlatie tussen twee variabelen of gebeurtenissen geeft weinig houvast wat hier als oorzaak gezien moet worden. Zorgt een groter zelfvertrouwen ervoor dat iemand eerder zal zoenen? Of vormt het zoenen juist de oorzaak van een toegenomen zelfvertrouwen? Of speelt een derde variabele een rol zoals de andere causale modellen uit de voorgaande sectie naar voren gebracht?

Als mens, maar zeker als wetenschapper wil je graag weten wanneer je iets als oorzaak-gevolgrelatie kunt bestempelen. Roken is bijvoorbeeld geassocieerd met longkanker. Maar naar welke informatie moet je kijken je als je wilt weten of roken daadwerkelijk als veroorzaker van longkanker kan worden gezien?

In de afgelopen eeuwen is causaliteit vanuit verschillende gezichtspunten benaderd. In deze en de volgende sectie wordt een aantal gezichtspunten op causaliteit belicht en beschreven aan welke voorwaarden gebeurtenissen moeten voldoen om – vanuit dat gezichtspunt – als oorzaakgevolgrelatie bestempeld te worden.

In deze sectie staan regelmatigheidstheorieën (‘regularity theories’) van causaliteit centraal (en reacties daarop). Binnen de regelmatigheidsbenadering worden causale relaties gezien als een speciaal soort regelmatigheden. Om te bepalen of een bepaalde factor (bijvoorbeeld roken) inderdaad als oorzaak gezien kan worden van een bepaalde uitkomst (longkanker) wordt gekeken of de veronderstelde oorzaak-gevolgrelatie aan een aantal voorwaarden voldoet.

Er zijn verschillende regelmatigheidstheorieën die elk op een eigen manier voorwaarden specificeren waaraan een oorzaak-gevolgrelatie moet voldoen. Deze komen hieronder aan bod (evenals de probabilistische benadering van causaliteit die als reactie gezien kan worden op de regelmatigheidstheorieën zoals die hieronder naar voren worden gebracht).

In de volgende sectie komt de interventiebenadering (manipulability theories of causation) van causaliteit aan bod. Zowel de regelmatigheidsbenadering als de interventiebenadering zijn gebaseerd op het idee van difference-making: dat oorzaken een verschil maken voor hun effect. Merk op dat we in deze verdere studietaak causale theorieën die gebaseerd op het idee dat een fysieke overdracht van energie kenmerkend is voor causale relaties (zoals causal process theories; Walsh & Sloman, 2011) buiten beschouwing zullen laten.

Question 15

Hume’s regelmatigheidsbenadering

Answer 15

Volgens Hume is causaliteit niets anders dan het observeren van een constante associatie tussen twee gebeurtenissen die na elkaar plaatsvinden. Hoewel we geneigd zijn het aanstoten van de ene biljardbal te zien als een oorzaak van het gaan rollen van de andere biljardbal, zijn er volgens Hume geen causale relaties in de wereld. Het enige wat we kunnen waarnemen, is een serie van gebeurtenissen waarbij de ene gebeurtenis volgt op de andere gebeurtenis (Potochnik et al., 2019).

Hume’s regelmatigheidsbenadering van causaliteit, dus de theorieën over causaliteit die op dit regelmatigheidsprincipe van Hume zijn gebaseerd, spreekt over een oorzaak-gevolgrelatie van X op Y als aan de volgende voorwaarden wordt voldaan (Andreas & Guenther, 2021).

spatiotemporele nabijheid: X (contact met brandnetel) en Y (uitslag) moeten nabij zijn in tijd en locatie.

temporele prioriteit: X moet voorafgaan aan Y (eerst val je in de brandnetels, daarna ontstaat de uitslag).

constante associatie: elke X moet worden vergezeld van Y (telkens wanneer je in de brandnetels valt, krijg je uitslag).

Binnen deze opvatting worden causale relaties gelijkgesteld aan regelmatigheden (regularities) tussen gebeurtenissen. Deze opvatting van causaliteit heeft als voordeel dat geen filosofische uitwerking van het begrip causaliteit nodig is (hierin kun je de invloed terugzien van het logisch positivisme dat weg wilde blijven van alle metafysica).

Daarnaast biedt deze opvatting duidelijke voorwaarden waaraan moet worden voldaan om te spreken van een oorzaak-gevolgrelatie. Het identificeren van oorzaken wordt hiermee vergemakkelijkt; dit reduceert namelijk tot het identificeren van regelmatigheden tussen gebeurtenissen die voldoen aan bovenstaande voorwaarden.

De voorwaarde van temporele prioriteit laat zien dat causaliteit een asymmetrisch proces is (zoals in de voorgaande sectie reeds naar voren gebracht). De oorzaak gaat vooraf aan het gevolg. Dit geeft een aanknopingspunt om af te leiden wat de oorzaak is en wat het gevolg bij een constante regelmatigheid van twee variabelen (die nabij zijn in tijd en ruimte) (Andreas & Guenther, 2021).

Deze opvatting van causaliteit heeft echter ook nadelen. Ten eerste wordt in de derde voorwaarde gesproken over een constante associatie. De samenhang tussen veel gebeurtenissen die we als oorzaakgevolgrelaties bestempelen, volgt echter niet dit principe. Denk aan roken dat als oorzaak wordt gezien van longkanker, maar niet bij iedereen tot longkanker leidt. Volgens bovenstaande drie voorwaarden zou roken niet gezien kunnen worden als oorzaak van longkanker, omdat niet iedereen longkanker ontwikkelt na roken (Andreas & Guenther, 2021).

Een ander probleem die deze opvatting van causaliteit oplevert, is dat niet elke regelmatigheid tussen X en Y wijst op een oorzaakgevolgrelatie. Dit is het geval wanneer er sprake is van een derde variabele die geldt als een gemeenschappelijke oorzaak (common cause) van zowel X als Y (Andreas & Guenther, 2021). Dit wordt in de volgende sectie over de interventiebenadering van causaliteit verder uitgewerkt.

Question 16

Voldoende en noodzakelijke oorzaken

Answer 16

Een gebeurtenis is een voldoende oorzaak (sufficient cause) van het gevolg als de oorzaak altijd tot het gevolg leidt (Potochnik et al., 2019). Bij de uitspraak ‘Als je geraakt wordt door de bliksem (X), ga je dood (Y)’ is geraakt worden door de bliksem een voldoende oorzaak voor het overlijden. Bij een voldoende oorzaak impliceert het optreden van X (geraakt worden door de bliksem) dus het laten plaatsvinden van Y (het overlijden). Andersom geldt dit niet: Het optreden van Y (overlijden) impliceert niet dat iemand geraakt is door de bliksem (X). Er zijn immers zeer veel andere manieren waarop je kunt overlijden (Potochnik et al., 2019).

Onder de voorwaarde van constante associatie (zie hierboven) moet elke X worden gevolgd door een Y. Bij de voorwaarde van constante associatie geldt het optreden van gebeurtenis X dus als voldoende oorzaak om Y te bewerkstelligen (Andreas & Guenther, 2021).

Soms is het optreden van een gebeurtenis noodzakelijk voor het optreden van een effect (deze gebeurtenis kan, maar hoeft niet ook als voldoende oorzaak te gelden voor het effect). Wanneer gesproken wordt over een gebeurtenis als noodzakelijke oorzaak (necessary cause) voor het optreden van het gevolg, betekent dit dat deze gebeurtenis altijd aanwezig moet zijn om het effect te laten plaatsvinden (Potochnik et al., 2019).

Een voorbeeld vormt de aanwezigheid van zuurstof voor het ontstaan van brand. Het beschouwen van de aanwezigheid van zuurstof als noodzakelijke oorzaak voor het ontstaan van brand, impliceert dat altijd als er brand (Y) is, er zuurstof (X) aanwezig moet zijn geweest. Merk op dat hierbij het plaatsvinden van brand dus wel de aanwezigheid van zuurstof impliceert. Maar niet andersom: de aanwezigheid van zuurstof impliceert (gelukkig) niet het ontstaan of plaatsvinden van brand.

Als wordt nagedacht over voldoende en noodzakelijke oorzaken zijn er vrijwel altijd omstandigheden te bedenken waarbij gebeurtenissen niet meer als voldoende of noodzakelijke voorwaarde gezien kunnen worden (dus noch voldoende, noch noodzakelijk zijn). Dit wijst erop dat bepaalde oorzaakgevolgrelaties alleen gelden gegeven een bepaalde causale achtergrond (causal background, soms ook causal field genoemd). Dit zijn achtergrondkenmerken die als gegeven (vaststaand) worden beschouwd en daarmee niet kwalificeren als oorzaak, maar op de achtergrond wel mogelijkerwijs of daadwerkelijk de causale relatie tussen twee gebeurtenissen kunnen beïnvloeden (Potochnik et al., 2019).

Een goede tandverzorging (goed poetsen, flossen en regelmatig naar de tandarts) kan bijvoorbeeld gezien worden als voldoende oorzaak van een goede mondgezondheid. Maar dit geldt alleen gegeven bepaalde achtergrondfactoren die de causale achtergrond opmaken, zoals dat de tandarts die je bezoekt gekwalificeerd is (Potochnik et al., 2019) en je geen ongeluk krijgt waarbij je je tanden verliest enzovoort.

Question 17

Contribuerende oorzaken

Answer 17

Hierboven werd benoemd dat een probleem voor het vereisen van constante associatie tussen X en Y (alvorens X als oorzaak gezien kan worden van Y) is dat, in elk geval binnen de psychologie, er geen tot weinig regelmatigheden zijn waarbij twee gebeurtenissen daadwerkelijk in een constante associatie met elkaar staan (zie bijvoorbeeld APA Dictionary of Psychology).

Hoewel roken gewoonlijk als een oorzaak wordt gezien van longkanker, zijn er ook mensen die hun hele leven roken en geen longkanker ontwikkelen. Roken is dus geen voldoende oorzaak van longkanker. Ook is roken geen noodzakelijke oorzaak van longkanker (je kunt immers ook longkanker krijgen, zonder ooit gerookt te hebben (Potochnik et al., 2019) bijvoorbeeld wanneer je met asbest hebt gewerkt). Kortom, het onderscheid tussen noodzakelijk en voldoende oorzaken helpt ons maar in beperkte mate om een begrip te krijgen over wat oorzaken nu precies zijn en hoe zij aan bepaalde gevolgen koppelen.

Een probabilistische benadering van causaliteit kan een oplossing hiervoor bieden omdat hierbij contribuerende oorzaken worden onderscheiden die de kans op een bepaalde uitkomst verhogen (in tegenstelling tot bijvoorbeeld Humes regelmatigheidstheorie waarbij het gevolg volledig door de oorzaak kan worden verklaard). Merk op dat deze probabilistische benadering van causaliteit niet onder de regelmatigheidstheorieën wordt geschaard, maar gezien wordt als een reactie daarop (Hitchcock, 2021).

Een factor die de kans op een gebeurtenis verhoogt zonder een voldoende of noodzakelijke oorzaak hiervan te zijn, wordt een contribuerende oorzaak (contributing cause) of partiële oorzaak (partial cause) genoemd. Voor een contribuerende oorzaak X geldt dus dat de kans op het effect Y groter is als factor X aanwezig is dan wanneer deze niet aanwezig is. Dus als P(Y | X) > P(Y | niet X) (Potochnik et al., 2019). Een contribuerende oorzaak is op zichzelf niet voldoende, noch noodzakelijk om het effect te bewerkstelligen maar een combinatie van contribuerende oorzaken kan dit wel zijn.

Een voordeel van de probabilistische benadering die uitgaat van contribuerende oorzaken is dat deze in lijn is met wetenschappelijk onderzoek dat laat zien dat weinig oorzaken de uitkomstmaat volledig determineren (onder andere door grote verschillen tussen mensen in genetische opmaak en omgevingsfactoren waaraan mensen worden blootgesteld).

Een nadeel van deze benadering is dat probabilistische afhankelijkheid wel een indicatie kan geven van de aanwezigheid van causale relaties, maar geen noodzakelijk voorwaarde is om te kunnen spreken van een causale relatie (er kunnen tegelijkertijd twee oorzaken spelen die elkaars effect opheffen).

Ook betreft het geen voldoende voorwaarde voor het aanwezig zijn van een causale relatie omdat de probabilistische afhankelijkheid ook het gevolg kan zijn van de aanwezigheid van een derde variabele of het conditioneren op een collider (Potochnik et al., 2019) (zie ook de sectie over Causale modellen).

Tenslotte geeft probabilistische afhankelijkheid alleen, geen rekenschap van de asymmetrie van het causale proces (Hitchcock, 2021). Probabilistische afhankelijkheid (wat teruggebracht kan worden naar correlatie) is immers symmetrisch.

Question 18

Regelmatigheidsbenadering binnen psychologie

Answer 18

De regelmatigheidsbenadering van causaliteit die binnen de psychologie vaak wordt gehanteerd (Haig, 2003) (hier: regelmatigheidsbenadering binnen de psychologie genoemd), stelt gewoonlijk dat de onderstaande drie voorwaarden moeten gelden om van een causaal effect van X op Y te kunnen spreken (Kenny, 1979).

temporele prioriteit: X moet voorafgaan aan Y (eerst val je in de brandnetels, daarna ontstaat de uitslag).

associatie: X moet gecorreleerd zijn met Y (er moet een conditionele afhankelijkheid gelden tussen beide gebeurtenissen) (als je in de brandnetels valt, krijg je vaker wel dan niet uitslag).

niet-spurieus: de relatie tussen X en Y mag niet spurieus zijn (niet veroorzaakt worden door een derde variabele die een gemeenschappelijke oorzaak (‘common cause’) vormt van beiden).

Deze voorwaarden vormen een variant op die uit Humes regelmatigheidstheorie hierboven (Haig, 2003). De voorwaarde van temporele prioriteit is gelijk aan die uit Humes regelmatigheidstheorie. Maar bij de voorwaarde van associatie is niet meer vereist dat X in constante associatie staat met Y. Het optreden van een gebeurtenis X hoeft dus niet een perfecte voorspeller te zijn van gebeurtenis Y. Een niet-perfecte associatie is ook voldoende (de correlatie moet dus afwijken van 0, maar hoeft geen +1 of -1 te zijn). Merk op dat dit een oplossing vormt voor het hiervoor benoemde probleem dat veel relaties tussen variabelen binnen de psychologie niet in constante associatie met elkaar staan.

De laatste voorwaarde (niet-spurieus) vormt een manier om te voorkomen dat X als oorzaak wordt gezien van Y wanneer er in feite geen causaal effect is van X op Y, maar enkel een spurieus verband tussen X en Y vanwege de aanwezigheid van een derde variabele die als gezamenlijke oorzaak geldt van X en Y. Om aan de voorwaarde van niet-spurieus te voldoen, is vaak een interventie nodig waarbij enkel de onafhankelijke variabele wordt gemanipuleerd, zodat deze enkel nog wordt veroorzaakt door de interventie (en niet meer door eventuele derde variabelen). Dit zal in de volgende sectie (waarin de interventiebenadering van causaliteit centraal staat) verder worden uitgewerkt.

Hierboven is benoemd dat difference-making (als visie op wat causale relaties kenmerkt) ook bij regelmatigheidstheorieën een rol speelt. Immers als aan bovengenoemde voorwaarden wordt voldaan (bijvoorbeeld die van temporele prioriteit, associatie en niet-spurieus) kan gesteld worden dat het optreden van de ene gebeurtenis (in de brandnetels vallen) een verschil maakt voor het optreden van de andere gebeurtenis (uitslag).

Question 19

Derde variabelen en de noodzaak van interventie

Answer 19

In het vorige onderdeel stonden regelmatigheidstheorieën van causaliteit en de reacties daarop centraal. In dit onderdeel komt de interventiebenadering van causaliteit (manipulability theories of causation) aan bod.

Eerder in deze studietaak bespraken we dat je uit een correlatie tussen twee variabelen niet meteen een direct causaal verband kunt afleiden. Er kunnen namelijk verschillende causale modellen ten grondslag liggen aan een correlatie tussen twee variabelen. Een van die alternatieve verklaringen voor een gevonden correlatie is een derde variabele die een gemeenschappelijke oorzaak (common cause) vormt van de twee gecorreleerde variabelen.

De illustratie hierboven geeft een eenvoudig voorbeeld van dit fenomeen. Als je geen rekening houdt met het weer, kun je een spurieuze correlatie vinden tussen ijsjesconsumptie en de mate van criminaliteit.

Wanneer je aan de hand van de eerdergenoemde voorwaarden voor causaliteit probeert te bepalen of X als oorzaak geldt voor Y, kan een derde variabele als gemeenschappelijke oorzaak (common cause) van X en Y problemen opleveren. Veel van deze voorwaarden van causaliteit werken dan namelijk niet goed.

Zo wijst niet elke regelmatigheid tussen X en Y op een oorzaakgevolgrelatie, zoals de regelmatigheidstheorie van causaliteit van Hume stelt. Een voorbeeld: hoewel het kraaien van de haan (X) altijd voorafgaat aan de zonsopgang (Y) (waarmee wordt voldaan aan de voorwaarde van temporele prioriteit en constante associatie), is het kraaien van de haan niet de oorzaak van dat de zon opgaat. Een regelmatigheid tussen X en Y hoeft dus geen oorzaakgevolgrelatie tussen X en Y te betekenen, maar kan ook verklaard worden door een derde variabele Z die als gemeenschappelijke oorzaak (common cause) fungeert van beide (Andreas & Guenther, 2021).

Bij de drie regelmatigheidsvoorwaarden die gewoonlijk binnen de psychologie worden gehanteerd om van een causale relatie te spreken (temporele prioriteit, associatie en niet-spurieusheid; zie onder andere Kenny, 1979), wordt expliciet aangegeven dat iets enkel als oorzaak van het gevolg kan worden gezien als de relatie niet-spurieus is (dat is, als geen andere (derde) variabele die relatie veroorzaakt).

Maar het is niet makkelijk om vast te stellen of een associatie tussen X en Y spurieus is of niet. Om aan de voorwaarde van niet-spurieusheid te voldoen, is in de meeste gevallen een geschikte interventie nodig waarin alleen de onafhankelijke variabele wordt gemanipuleerd. Een effect kan dan enkel nog worden veroorzaakt door de interventie (en niet meer door eventuele derde variabelen). Vervolgens wordt nagegaan of de waarde die de onafhankelijke variabele aanneemt (zoals bepaald door de interventie), verschil maakt voor de waarde die de afhankelijke variabele aanneemt (volgens het principe van difference-making). Hieronder gaan we verder in op het uitvoeren van interventies binnen de psychologie.

Question 20

Interventie en difference-making

Answer 20

Zoals door Potochnik et al. (2019) benoemd, vormt difference-making een belangrijke manier om naar oorzaak-gevolgrelaties te kijken (zie ook het onderdeel over Correlatie versus causaliteit). Als het kaatsen van de ene biljartbal een verschil maakt in de beweging van de andere biljartbal, dan is het kaatsen van de ene biljartbal een oorzaak van het bewegen van de andere biljartbal (Potochnik et al, 2019). Dus, volgens deze benadering worden oorzaken gekenmerkt doordat ze een verschil maken voor hun gevolg. Als we de oorzaak veranderen – door deze te manipuleren via een interventie – dan zal ook het gevolg veranderen. Andersom geldt dat echter niet, wanneer we een gevolg manipuleren zal dat niet een oorzaak veranderen.

Volgens Potochnik et al. (2019) en het idee van difference-making kan X als oorzaak van Y worden gezien als aan de volgende twee voorwaarden is voldaan.

Als gebeurtenis X zou optreden, dan zou gebeurtenis Y (waarschijnlijk) ook optreden.

Als gebeurtenis X niet zou optreden, dan zou gebeurtenis Y (waarschijnlijk) ook niet optreden.

Om deze keten van gebeurtenissen te onderzoeken, is het nodig om een geschikte interventie uit te voeren, waarmee X wordt gemanipuleerd.

Vaak wordt in een experiment een interventie gedaan om een causale hypothese te onderzoeken (in het ijsjesvoorbeeld zou je op een groot aantal random geselecteerde dagen als interventie gratis ijsjes kunnen uitdelen en vervolgens het aantal inbraken op die dagen kunnen vergelijken met die op een ander groot aantal random geselecteerde dagen waarop geen ijs is uitgedeeld).

Ook een ‘natuurlijk experiment’ kan kwalificeren als interventie (Woordward, 2016). Een interventie hoeft dus niet door mensen te worden uitgevoerd. Denk bijvoorbeeld aan de maatregelen tijdens de covidpandemie die een natuurlijk experiment vormden voor het effect van sociale isolatie op bijvoorbeeld welbevinden.

Soms kan zelfs – onder aanname van een bepaald causaal model en causale assumpties – zonder experimenteel design het effect van een interventie op een uitkomstmaat worden afgeleid uit correlationele data. Hoe dit precies werkt, voert te ver voor hier. Geïnteresseerden verwijzen we door naar Pearl et al. (2016).

Wanneer een interventie wordt uitgevoerd om een causale hypothese te onderzoeken, dan kun je het idee van difference-making ook omschrijven als: ‘X kan als oorzaak van Y worden gezien als en alleen als Y zou veranderen wanneer X zou worden gemanipuleerd via een geschikte interventie’ (Woodward, 2016).

Question 21

Counterfactuals bij interventie

Answer 21

Wellicht valt het je op dat in de hierboven genoemde twee voorwaarden voor difference-making twee contrafeitelijke (counterfactual) uitspraken worden gedaan (te herkennen aan ‘zou’ in de formulering). Dit zijn (i) als X zou optreden, dan zou Y waarschijnlijk ook optreden, en (ii) als X niet zou optreden, dan zou Y waarschijnlijk ook niet optreden.

Als een interventie wordt uitgevoerd, is voor elke deelnemer slechts een van de contrafeitelijke uitkomsten bekend (dit is dan een feitelijke uitkomst) (Hernan & Robins, 2020). Stel je wilt weten of mindfulness een causaal effect heeft op het verhogen van de pijndrempel (dus of mindfulness maakt dat mensen beter tegen pijnprikkels kunnen). Je wijst de helft van de deelnemers toe aan de experimentele conditie met een mindfulnesstraining van tien weken en de andere helft van de deelnemers aan de controleconditie (wachtlijst). Je meet de pijndrempel voorafgaand aan het onderzoek en na tien weken (de experimentele groep heeft dan de mindfulnesstraining doorlopen, maar de controleconditie niet).

Voor deelnemers uit de experimentele conditie kun je uitrekenen wat de kans is dat de pijndrempel is verhoogd, gegeven dat zij een mindfulnesstraining hebben gevolgd (dat is, P (verhoging pijndrempel | mindfulnesstraining). Dit is voor de experimentele conditie de feitelijke uitkomst. Maar de contrafeitelijke uitkomst (P (verhoging pijndrempel | geen mindfulnesstraining) is voor deelnemers uit de experimentele conditie niet geobserveerd (zie ook oefening 7.1).

Voor deelnemers uit de controleconditie is dit precies omgekeerd. Voor hen kun je uitrekenen wat de kans is dat de pijndrempel is verhoogd, gegeven dat zij geen mindfulnesstraining hebben gevolgd (dat is: P (verhoging pijndrempel | geen mindfulnesstraining). Dit is voor de controleconditie de feitelijke uitkomst. Maar de contrafeitelijke uitkomst (P (verhoging pijndrempel | mindfulnesstraining) is voor deelnemers uit de controleconditie niet geobserveerd.

Een entiteit (deelnemer) kan namelijk slechts één waarde toegewezen krijgen tijdens een interventie. Wanneer een interventie wordt uitgevoerd waarbij sommige deelnemers aan de experimentele groep worden toegewezen (I=1), dan is voor deze deelnemers de counterfactual (de contrafeitelijke uitkomst waarbij ze aan de controlegroep worden toegewezen I=0) niet geobserveerd (Holland, 1986).

Dit geldt ook wanneer deelnemers beide condities van een experiment doorlopen. Ook dan is de contrafeitelijke uitkomst niet geobserveerd omdat deelnemers niet op hetzelfde moment zowel aan de experimentele als aan de controleconditie kunnen worden toegewezen. Op het moment dat ze (na het doorlopen van de experimentele conditie) aan de controleconditie worden toegewezen, hebben ze al enige verandering ondergaan, en vice versa (cf. Eronen, 2020).

Het random toewijzen van deelnemers aan de experimentele en controleconditie biedt een oplossing voor dit probleem voor het doen van generieke uitspraken (over een groep mensen). Zoals benoemd in studietaak 6 is een doel van random toewijzing om ervoor te zorgen dat derde variabelen niet samenhangen met de interventie (ook wel indirecte controle van derde variabelen genoemd). Wanneer de experimentele en controleconditie vergelijkbaar zijn qua invloeden van derde variabelen – en daarmee uitwisselbaar zijn – dan kan een schatting van het causale effect simpelweg worden verkregen door de experimentele en controleconditie te vergelijken op de uitkomstmaat (Hernan & Robins, 2020).

Ook bij de voorwaarde binnen de interventiebenadering van causaliteit (te weten: X kan als oorzaak worden gezien van Y als en alleen als Y zou veranderen wanneer X zou worden gemanipuleerd via een geschikte interventie) wordt een contrafeitelijke uitspraak gedaan (te herkennen aan ‘zou’ in de formulering). De reden hiervoor is dat je een uitspraak wilt doen over het effect van X op Y die ook geldig is wanneer X niet wordt gemanipuleerd (Woordward, 2016).

Question 22

Manipuleerbare versus niet-manipuleerbare factoren

Answer 22

Sommige wetenschappers die de interventiebenadering van causaliteit aanhangen, brengen naar voren dat causale uitspraken gebrekkig zijn en een duidelijke betekenis missen als zij betrekking hebben op oorzaken die in principe niet manipuleerbaar zijn (zie bijvoorbeeld Holland, 1986, aangehaald in Woodward, 2016). Het gaat er hierbij niet om of het praktisch gezien mogelijk is een bepaalde variabele te manipuleren, maar of het logisch gezien (in principe) mogelijk is.

Men heeft er bijvoorbeeld geen moeite mee om de zwaartekracht van de maan te zien als oorzaak van de getijden (eb en vloed). Dat het praktisch gezien niet mogelijk is om de zwaartekracht van de maan te manipuleren is dus niet het probleem. Natuurkundige wetten zijn voldoende uitgewerkt om een vraag te beantwoorden wat er bij interventie zou gebeuren, zodat het daadwerkelijk manipuleren van de zwaartekracht van de maan niet nodig is (Woodward, 2016).

Factoren die logisch gezien niet-manipuleerbaar zijn en daarmee volgens sommigen niet kunnen kwalificeren als oorzaak, zijn bijvoorbeeld ras en sekse (Woodward, 2016). Biologisch gezien bestaan er waarschijnlijk geen menselijke rassen. De term ras is een sociaal construct (Keita et al., 2004). Het is daarmee niet goed voorstelbaar wat met het manipuleren hiervan bedoeld zou moeten worden.

Bij sekse is wel redelijk duidelijk wat ermee wordt bedoeld (Woodward, 2016) (hoewel een man-vrouwdichotomie vaak te simplistisch is). Bij een hypothese als ‘Het zijn van een man is een oorzaak van agressie’ is het probleem dat met man-zijn veel verschillende dingen bedoeld kunnen worden die ieder een andere manipulatie vereisen. Dit maakt een algemeen concept zoals sekse niet manipuleerbaar.

Het is dan beter om zo’n algemeen begrip zoals sekse te vervangen door een meer specifiek begrip dat wel duidelijk is omgeschreven en daarmee wel manipuleerbaar is (Woodward, 2016). Een specifiekere en betere formulering van bovenstaande hypothese is ‘Hoge niveaus van testosteron zijn een oorzaak van agressie’. Nu is wel duidelijk wat er precies gemanipuleerd moet worden (namelijk testosteronniveaus) om bovenstaande causale hypothese te kunnen onderzoeken.

Question 23

De moeilijkheid van ideale interventies binnen de psychologie

Answer 23

Zoals benoemd in studietaak 6 moet voor een ideale interventie de manipulatie van de onafhankelijke variabele valide zijn, dus betrekking hebben op het construct dat je wilt manipuleren (zie bijvoorbeeld Ejelöv & Luke, 2020; Gruijters, 2022).

Gerelateerd hieraan is het belangrijk dat een interventie ‘chirurgisch’ is (Potochnik et al., 2019). Hiermee wordt bedoeld dat de interventie zeer precies wordt uitgevoerd: enkel de onafhankelijke variabele moet worden gemanipuleerd. Als een interventie te globaal is, worden ook onbedoelde variabelen gemanipuleerd. Dat betekent dat de resultaten van het experiment niet meer enkel kunnen worden toegeschreven aan het effect van de onafhankelijke variabele, maar mogelijk ook verklaard kunnen worden door andere variabelen (die ongewenst zijn mee-gemanipuleerd) (Potochnik et al., 2019).

Verder is het belangrijk dat de manipulatie van de onafhankelijke variabele sterk genoeg is, zodat er voldoende verandering in de onafhankelijke variabele wordt opgewekt om een effect op de afhankelijke variabele te kunnen bewerkstelligen (zie bijvoorbeeld Ejelöv & Luke, 2020).

Een probleem binnen de psychologie is dat interventies eerder fat-handed zijn dan chirurgisch. Met fat-handed interventies wordt bedoeld dat niet alleen de onafhankelijke variabele wordt gemanipuleerd, maar ook allerlei onbedoelde variabelen. Een voorbeeld een fat-handed interventie is een interventie die gericht is op het induceren van pessimistische gevoelens, maar ook schuldgevoel opwekt (Eronen et al., 2020).

Een ander moeilijk punt binnen interventieonderzoek in de psychologie is dat causale processen vaak betrekking hebben op het individu, maar om deze causale processen te onderzoeken, moet je vaak terugvallen op een onderzoeksdesign waarbij je groepen vergelijkt (Hernan & Robins, 2020). De effecten die je vindt op basis van dit interventieonderzoek waarin je groepen vergelijkt, kun je echter niet direct doortrekken naar het individu (Eronen et al., 2020; Deaton & Cartwright, 2018). Een bepaalde behandeling kan bijvoorbeeld op groepsniveau goed werken, maar voor een bepaald individu geen effect sorteren.

Een laatste lastigheid bij interventieonderzoek is de vraag in hoeverre de causale achtergrond binnen een interventieonderzoek vergelijkbaar is met die in het dagelijks leven. Eerder in deze studietaak is aangegeven dat oorzaak-gevolgrelaties alleen gelden gegeven een bepaalde causale achtergrond die als constant wordt beschouwd. Als voorbeeld werd gegeven dat regelmatig flossen leidt tot een betere mondgezondheid, maar alleen gegeven een causale achtergrond waarin er bijvoorbeeld vanuit wordt gegaan dat mensen regelmatig naar de tandarts gaan. Het is goed mogelijk dat de causale achtergrond bij een interventieonderzoek anders is dan die buiten dit onderzoek. De causale relaties uit dit onderzoek kunnen dan niet direct worden doorgetrokken naar de situatie buiten het onderzoek (Deaton & Cartwright, 2018).

Als voorbeeld kan worden gedacht aan een onderzoek naar een internetbehandeling voor een bepaalde aandoening, waarvoor individuen zichzelf kunnen aanmelden (zelfselectie). Als dit onderzoek een positief effect laat zien en vervolgens wordt er beleid gemaakt op basis van dit onderzoekseffect (waarbij bijvoorbeeld iedereen standaard deze behandeling als eerste stap in het behandelproces krijgt toegewezen), dan is de zelfselectie weggevallen en zal de causale achtergrond anders zijn dan ten tijde van het onderzoek. Dit kan betekenen dat het causale effect van de internetbehandeling uit het onderzoek niet wordt teruggezien wanneer deze behandeling breed wordt uitgerold in de gehele bevolking.

Een ander voorbeeld is het invoeren van kleinere klassen op scholen in Californië om tot betere schoolprestaties te komen. Onderzoek liet zien dat kleinere groepen tot betere schoolprestaties leidden. Toen dit beleid echter in korte tijd voor de gehele staat Californië werd ingevoerd, ontstond er een groot lerarentekort, wat, door het moeten aantrekken van ook minder capabel personeel, tot een lagere gemiddelde kwaliteit van docenten zorgde. Hierdoor werden de betere schoolprestaties niet bereikt. De grootte van de klassen is namelijk een oorzakelijke factor die op zichzelf niet voldoende is om het effect te laten optreden, maar enkel in combinatie met andere factoren, zoals dat er goede docenten voor de klas staan (Cartwright, 2008).

Question 24

Onderdeterminatie en alternatieve verklaringen

Answer 24

Zie samenvatting