科学哲学中的社会科学因果性争论述评，本文主要内容关键词为：述评论文,因果论文,社会科学论文,哲学论文,科学论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
［中图分类号］N031 ［文献标识码］A ［文章编号］1002－8862（2008）11－0076－06
自20世纪90年代以来，社会科学的因果性问题越来越引起科学哲学界的关注。一条比较鲜明的线索是，三大主要的因果性研究进路——以斯皮尔斯（Peter Spirtes）和格利默（Clark Glymour）为代表的贝叶斯网（Bayes－nets）进路；以伍德沃德（James Woodward）和豪斯曼（Daniel Hausman）为代表的模块性（modularity）与不变性（invariance）进路以及胡佛（Kevin Hoover）的功效性（efficacy）进路——的提出，以及卡特赖特分别对他们的批判和由此引起的争论。
一 因果贝叶斯网进路
贝叶斯网是近20年来得到充分发展的因果推理模型。它主要是由美国卡内基－梅隆大学的格利默、斯皮尔斯、沙因斯（Richard Scheines）和凯利（Kevin Kelly）以及加州大学洛杉矶分校的泊尔（Judea Pearl）领导的小组共同开发和倡导的。这一模型并不仅限于社会科学，它在医学、生态学、认知心理学等方面都有着广泛的应用。格利默等人还以该模型为基础开发了计算机软件TETRAD，为因果推理提供了强有力的技术基础。
贝叶斯网本身是一套方法，其基础观念来自于两方面：一是因果性的概率论理论。萨普斯认为，B是A“表面上的原因（prima facie cause）”当且仅当B先于A发生，并且A在概率上依赖于B：A在B发生时的条件概率高于A发生的概率。① 但是，表面上的原因未必是真实的，这就涉及到因果知识的确证问题。格利默指出，葛梯尔问题对传统知识三元定义的冲击表明，对知识的辩护需要认知程序具有可信赖性（reliability）；② 因此，对因果知识来说，首先需要可信赖的推论方法、程序，能够保证从概率依赖关系推出因果关系。贝叶斯网继承了这两方面的传统，试图成为一种在背景知识的基础上，仅凭概率关系就能得出因果关系的可靠方法。
贝叶斯网推理的核心，就是一套“有向无圈图（directed acyclic graph）”搭配上满足因果马可夫条件（causal Markov condition）的概率分布。有向无圈图是表征所考察的因果模型中各变量间概率依赖关系的方法：用带箭头的线段表示概率上的影响关系，而从任何一点延伸下去都不准出现“首尾相接”的情况，所以是“无圈图”。在图标中，箭头直接指向A的变量被称为A的“父源（parents）”；而对于任意变量B，如果存在着从A到B的路径——可以是间接的，在有向无圈图中箭头指向是可传递的——那么就称B为A的“后继（descendants）”。而因果马可夫条件规定，对于有向无圈图中任一变量，在其因果父源被给定的前提下，它在概率上独立于除父源和后继之外的所有变量③。概率分布满足马可夫条件是适用贝叶斯网方法进行因果推理的前提。
不难看出，在马可夫条件下从概率依赖到因果关系的推理是可靠的，因为这一条件不过是说，所有变量值的概率都唯一地取决于其相对于父源变量的条件概率。④ 为了使这一条件的功效发挥到最大，贝叶斯网模型还设定了另外两条公理：一是忠实性条件（faithfulness condition），即如果所有在概率分布P上为真的条件独立关系均蕴涵于图示G上的马可夫条件中，并且所有被G上的马可夫条件蕴涵的概率独立关系也都在P上为真，那么P与G就互相忠实于对方。它的实质是保证“所有的依存关系或条件依赖关系都仅仅来自于（有向无圈图所表征的）因果结构”⑤，因而就保证了概率关系所反映的只是因果结构的特征。二是最小性条件（minimality condition），它是保证具体的图示G对满足马可夫条件的非冗余性：G的任何一个子图示都不能满足马可夫条件。以这三个公理为基础，就可以仅凭概率运算来发现变量之间的因果关系。
贝叶斯网方法对因果性的刻画具有广泛的适用性，斯庞的论文标题开宗明义：“贝叶斯网就是因果依赖的一切”⑥。但同时它也引起了广泛的争论。汉弗莱斯和弗里德曼批评贝叶斯网方法过于重视概率关系推理，忽视证据对因果知识支持的认识论维度。⑦ 卡特赖特的批评主要集中于因果马可夫条件和忠实性条件的非普遍有效性，并明确指出在哪些情况下贝叶斯网方法是无效的。⑧ 对此，格利默在回应中指出，即便是在那些卡特赖特指明不适用的领域，贝叶斯网方法也仍具有进一步扩展的可能性。⑨ 相关的争论并未完结：支持贝叶斯网进路的一方认为，目前的反例一定可以通过技术手段的改进、拓展而得以解决；而卡特赖特认为，从原则上说贝叶斯网就不可能是普遍有效的，因而即便技术处理能够解决已知的问题，也会有新的矛盾呈现出来。
二 “模块性”与“不变性”进路
“模块性”和“不变性”是豪斯曼和伍德沃德的因果性理论关键词，其基本概念框架来自于可操作性（manipulability）因果理论：“如果在某一范围内通过适当介入（intervene）以改变X的值，并由此Y的值也将随之改变，则X与Y之间具有因果关系。”⑩ 柯林武德、加斯金和冯·赖特等都曾经从可操作性的角度刻画因果关系，不过伍德沃德认为这些前辈的论述过于“人类中心主义和主观主义”，而他希望发展出适合客观的因果性的可操作性理论。
“介入”是可操作性理论的核心概念。伍德沃德的理解是：“相关于Y的对X的介入这样来改变X的值：如果Y发生任何改变，则它都是作为对X值改变的结果而发生的，而非来自于其他。”(11) 豪斯曼也是从对介入的预测的角度讨论反事实条件。(12) “不变性”是另一重要概念，它是针对一般概括而言的：“某一概括描述了因果关系，当且仅当它在某些适当的介入下仍保持不变。”(13) 这里“保持不变”的意思是，当对X的介入发生后，Y按照理论概括所规定的方式改变。(14) 在计量经济学的线性递归模型的背景下，豪斯曼和伍德沃德主张两个意义上的不变性：首先，如果某方程要表征因果关系，则它需要是“层次－不变的（level－invariant）”，即变量间的函数关系在一定范围的介入中保持不变；另外，如果递归模型作为一个方程组整体要表征因果关系，则它还需要方程之间的不变性，即“模块性”：“一个方程系统是模块（modular），如果（1）每个方程在某介入程度中是层次－不变的，并且（2）相对于每个方程，都存在某个对依存变量的可能介入，它只改变该方程，而系统中的其他方程仍不被改变并是层次－不变的。”(15) 模块性的基本含义在于，模型中的每一个方程都要表征一个相对独立的因果机制，因而改变其中一个方程并不会影响其他方程所表征的因果关系。
以介入的不变性和模块性为核心的因果理论，为因果马可夫条件提供了论证：“在决定论、模块性和因果充分性的前提下，变数集V中的任一变数Y的值能够随对V中另一变量X的介入而变化，仅当Y的某个父源的值变化时”(16)。另外，可操作性的因果理论还与科学说明联系起来：说明性关系原则上支持操作与介入，且必须是在一定程度的介入中保持不变性的关系；因此，相比自然定律而言，“不变性”是刻画科学说明更为合适的概念。(17)
卡特赖特的批评主要集中于两点：一是否认可操作性视角对于理解因果性概念具有普遍意义，二是反对支持因果马可夫条件普适性的模块性概念，认为其在非决定论条件下就无效。(18) 胡佛认为，伍德沃德的“不变性”究竟需要在多大的范围内成立才能支持因果性，仍是很模糊的；他同时反驳了有关说明的观点，认为计量经济学模型不能提供科学说明。(19) 豪斯曼和伍德沃德回应了卡特赖特的批判，对其在非决定论情况下的反驳提出了质疑。在他们看来，违背因果马可夫条件就意味着违背了人们有关“原因”、“介入”等概念的一般的共享期望。(20)
三 凯文·胡佛的“功效性”进路
凯文·胡佛本人是经济学家，但他的研究比较多地侧重于宏观经济学的因果性问题。借用卡特赖特的划分，把他的工作区别于前两者而称为“功效性”进路，其实他在很多方面都借鉴、吸收了贝叶斯网和模块性进路的观点。例如，他主张“因果结构”是最基本的概念，而它就是指“由反事实关系网络所刻画的、用于控制和操作的潜在机制”(21)。不同之处在于，一方面，胡佛非常重视从操作、控制的能动性方面来理解因果性，且认为像伍德沃德担心的“人类中心主义”之类的责难对社会科学来说并不重要；另一方面，胡佛试图在贝叶斯网进路与其激烈的批评者卡特赖特之间保持折中的立场：他承认基于贝叶斯网方法的概率运算不能穷尽因果结构的内涵，但他同时也认为卡特赖特“无因输入则无因输出”(22) 的原则太过绝对，“虽然先在的因果知识可能是有用的，……但与支持因果命题的事实相关的某些概率模型，它们本身并不再需要预设哪些因果命题为真”(23)，而在这一弱化的立场下贝叶斯网就可以仅由概率推论出因果关系。
对胡佛来说，宏观经济学所研究的因果结构不仅是基本的，而且是实在的。主流的新古典主义经济学传统坚持“方法论个人主义”原则，要求所有宏观经济学命题只有能够还原为个人选择意向层面的陈述时，才是可接受的。胡佛则认为，宏观层面的实在虽然“随附”在微观层面的实在上，但宏观经济学理论是独立于微观经济学的。他还根据哈金的“操作实在论”指出，既然我们的确能够利用宏观经济变量进行调控，那么被这些变量所表征的对象的实在性就是无疑的。(24)
胡佛与卡特赖特争论的核心是计量经济学线性递归模型中变量的因果序列（causal order）问题：如何确定线性方程组中的两个变量x[,1]、x[,2]哪个是原因，哪个是结果？赫伯特·西蒙的解决方案是：假设面向该模型的一个“实验者”，如果他能“直接控制”的是x[,1]的系数，那么x[,1]就是x[,2]的原因。(25) 在西蒙的因果关系定义中，因果的不对称性首要地是操作上的不对称性——通过控制原因可以改变结果，而反方向则行不通——它并不一定要表现为时间序列的先后性。而卡特赖特则主张，如果递归模型表述的是真实的因果结构，那么递归序列上在先的变量所表征的对象必然也应该是时间上在先的。(26)
胡佛坚定地批判卡特赖特而捍卫西蒙的立场。他一方面发展了西蒙的分析，把递归模型的组成部分分为“变量”、“参数”和“原因场域（causal field）”，而确定因果秩序就意味着找出真正的“参数”，即可直接控制的变量；(27) 另一方面，他论证说，由于宏观经济学研究的对象具有能动性、不均匀性（nonhomogeneity）和信息复杂性的特点，其因果链条不必然满足时间上的先后性。卡特赖特在回应中承认宏观经济学因果性的确具有特殊性，但她认为自己与胡佛的分歧并不在时间序列的问题上，而是对西蒙的因果性理论做了不同理解：她把西蒙的主张阐发为“生产的因果性（production causality）”，而把胡佛强调操纵原因以取得“功效”的主张归为“策略的因果性（strategy causality）”，并比较了两者的不同。(28) 卡特赖特进而指出，虽然有关策略性因果的知识在制定政策方面要比生产性因果的知识有用得多，但从根本上说，策略的因果性必须依赖于生产的因果性才是有效的。
四 卡特赖特的社会科学因果性研究
由上面的讨论可知，在当代科学哲学的社会科学因果性争论中，卡特赖特处于非常核心的、综合性的地位。这里笔者把她对社会科学因果性问题的正面论述整理如下：
首先，卡特赖特坚定地反对自休谟以来得到实证主义支持的“因果性之律则性理论”。她论证说，提供因果说明的定律无不具有“其余情况均同（ceteris paribus）”的性质，而并非亨普尔所设想的普遍有效的覆盖律。(29) 这是因为，所有定律表征的律则性在本体论上并不是最根本的——如同科学实验活动所揭示的，律则性只是在适当安排了各要素的特定系统中才被“拼凑”起来：定律是在“律则机器（nomological machine）”中产生的，“哪里有律则机器，哪里就有似律性行为”(30)。因而，潜在的CP从句就构成了使定律有效的那些律则机器的边界条件。
其次，卡特赖特坚持因果实在论立场：比律则性更为基本的是自然的“能力（capacity）”。“C因果地导致E”可能并非普遍有效的定律，但“C具有产生E的能力／趋势”却是可以在不同情境中都有效的。(31) 这一观点有两个主要的学术渊源：其一是约翰·穆勒关于经济学只能提供“趋势定律”的论述；(32) 而另一个则要追溯到亚里士多德的“本性”概念：卡特赖特指出，关于能力的知识就是对自然本性的认识；由于其CP特征，定律所表述的并不是“事物实际上做了什么”，而是“事物就其本性而言要做什么”(33)。与亚里士多德不同的是，卡特赖特认为要把数理化自然的伽利略方法应用于对本性、能力的探究：在我们这样一个众多趋势交互作用的斑杂世界中，只有采用理想模型的方法建构起律则机器，才能显现出“跨情境有效”的自然本性的运作。在这里，因果本性的实在性与定律的非普遍有效性、存在论上的亚里士多德主义与方法论上的新柏拉图主义保持了良好的平衡。
再次，尽管卡特赖特在存在论上把因果性归属于能力、本性，但在方法论上她坚持因果多样性立场：一方面，“有许多不同种类的因果定律以各自不同的方式运作着，我们能够追问各种不同的因果问题”；另一方面“每一类因果关系都可以有自己的特征，但却没有为所有种类共享的有意义的特征”(34)。卡特赖特继承了安斯康姆(35) 对传统因果性问题的批判，指出“原因”实在是一个非常抽象的术语，日常语言拥有一大批诸如“导入”、“提升”之类的概念，它们每一个都表示不同的因果关系。既然因果概念是多元的，不存在能够提供统一定义的本质特征，那么任何试图给出这种定义的因果性理论必然是有限的，不会适用于所有因果关系。这就是卡特赖特批判前述三大因果性研究进路的共同的内在逻辑。
最后，正如我们在卡特赖特对胡佛的批评中看到的，她认为，对因果性形而上学的研究，应当与探求因果关系的方法、对已知因果关系的应用相结合。在她看来，目前社会科学因果性研究存在的最大问题是，只关心研究如何确定因果关系，而忽视了对如何应用已知因果关系的研究；(36) 前述三大因果性理论在形而上学方面的规定性过于“单薄”，以至于并不能同时满足“探求”层面与“应用”层面，因而都不是最理想的研究进路。对卡特赖特而言，理想的社会科学哲学应该回到纽拉特（Otto Neurath）的传统，即以改造社会为导向探求社会－经济的因果性。纽拉特是维也纳学派中的马克思主义者，在他看来，“科学的世界概念”在面向社会时意味着探求并应用社会科学因果性的“社会工程学（social engineering）”的态度。(37) 这也是卡特赖特社会科学因果性研究的理论归宿和最终落脚点。
五 简论
由上可见，不同的研究进路在“因果性不是休谟意义上的经验律则性”这一点上，已经有较为广泛的共识。为此，伍德沃德让“介入下的不变性概括”而非“自然定律”来承担因果性的意义；卡特赖特所主张的因果“本性”形而上学正是以拒斥休谟主义因果观念为前提的。因此他们都反对休谟主义因果观念，而被归为“因果实在论”(38)。
然而，把因果性设定为经验观察的律则性，这既是存在论上的规定，又是对“如何寻找因果关系”的问题提供了实证主义的方法论建议。如果我们抛弃休谟主义的观念，那么，对因果性的新的存在论规定还能够提供某种统一的方法论启示吗？
正是在这一点上，卡特赖特与前述三大因果性理论发生了分歧。对于伍德沃德和胡佛来说，新的方法论建议就是从可操作性的视角，应用反事实条件形式的推理，来探求能够用于技术操控的因果关系；格利默指出，基于贝叶斯网模型的推理就是试图在不发生介入活动的前提下，仅凭概率计算来揭示事实之间的因果依存关系。因此贝叶斯网进路其实也预设了可操作性的因果理论。但卡特赖特主张，尽管因果性概念在存在论上有着统一的规定性（能力、本性、趋势……），却并不存在某种确定因果关系的统一的方法论，即便可操作性视角也不是普遍有效的。
首先，对于揭示具体的方法论规定性在应用上的有限性而言，卡特赖特的“因果多样性”概念是有其合理性的。例如贝叶斯网方法，尽管它能够仅凭对背景知识的概率计算来获得可靠的因果知识，但作为其前提的“因果马可夫条件”并不能够被普遍满足；因此并非所有因果关系都能适用贝叶斯网方法。如果没有这种对具体方法论有限性的意识，就容易武断地认为：“凡是贝叶斯网方法不适用的地方都不存在因果关系”。这就被有限的方法论规定束缚了自己的手脚，反而不利于对因果性的科学探求。所以，“因果多样性”的批判意义对于任何因果性方法论都是不可或缺的。
但是，现实因果关系的形式多样性是否反对任何方法论上统一的把握呢？卡特赖特从科学表征的研究中窥探到了一种可能性：不是从被表征的实在对象上，而是从对因果关系的表征本身来寻找统一性。“把一套关系表征为因果的，应该促使我们做出这样的推论，以准许我们把原因应用为产生结果的策略。”(39) 这就是从可操作的、技术控制的视角来把握因果性。但卡特赖特随后很快否定了这种可能性，她的理由是，尽管的确存在着符合这一视角的方法论——例如胡佛的功效性进路，但也有很多因果性方法论——例如伍德沃德和豪斯曼的模块性进路——讲“操作”不是在“应用因果关系确定策略”的意义上，而是在“实验操作以确定因果性”的意义上。卡特赖特强调，这两个层面的“操作”绝不能等同：即便我知道如何设计实验操作能找到因果关系，我也可能仍然不知道如何把这种关系应用到技术策略上。所以技术操控的视角也不具有普遍意义。
笔者认为，卡特赖特所指认的两种“操作”之间的区别，即便真的存在，也是无关宏旨的。“实验操作”究竟能够在多大程度上为“策略性操作”提供助益，这是受具体的历史条件和技术水平决定的问题；而重要的是，实验操作和策略性操作都表明，“面向技术操控的态度”是因果推理具有有效性的先天必要条件。卡特赖特认为“生产的因果性”是胡佛的“策略因果性”的基础，但实际的情况恰恰是：由于实在的生产性的因果机制独立于我们直接的经验领域之外，我们只有在技术操控的态度指引下，把有效的策略性关系“设定”为实在的因果关系，或者至少追溯到某种生产性机制来为策略有效性提供说明。由此看来，“策略因果性”反倒应该被作为“生产的因果性”的前提。甚至连卡特赖特对因果性的存在论规定——“能力”、“本性”等等，也只有在这一前提下才有意义：正是由于技术策略S在多个不同情境下是稳定有效的，被操控对象才被设定为具有某种产生预期结果的、跨情境有效的能力C。而卡特赖特坚持其存在论规定却反对技术操控视角的普遍性，从根本上说有碍于其理论的自洽性。
以上论证最终印证了哈贝马斯的论断：对因果关系的科学探求只有在技术性的认知旨趣下才是可能的。(40) 卡特赖特和伍德沃德都会反对这种观点。对他们来说，因果能力与“不变性”是实在的、不依策略性关系为转移的，“技术旨趣”概念是在提倡一种过于“人类中心主义”的理解。但是，这两点反驳对社会科学因果性来说都站不住脚。首先，社会经济领域的因果“能力”——例如宏观经济学层面的因果关系，的确是由个体的行动建构起来、且是可以被适当的策略性关系所改变的；其次，正如胡佛所指出的，社会科学的因果性并不需要特别回避“人类中心主义”的指责；更何况，“人类中心主义”的指责更凸显了卡特赖特因果性存在论的局限性：脱离“策略因果性”的能力、本性只是海德格尔意义上的“现成”存在，而技术性认知旨趣的概念则是立足于更为原始的“上手存在”的此在生存实践。因此这里意味着一种存在论视野的根本转变。
注释：
① 参见Patrick Suppes,A Probabilistic Theory of Causality,North-Holland,1970.
② Clark Glymour,Thinking Things Through,The MIT Press,1992,p.256.
③ Peter Spirtes et al,Causation,Prediction,and Search,The MIT Press,2000,p.11.
④⑤ Clark Glymour,The Mind's Arrows,The MIT Press,2001,p.26; p.33.
⑥ Wolfgang Spohn,“Bayesian Nets Are All there is to Causal Dependence”,in Stochastic Causality,eds.D.Costantini et al,CA CSLI Publications,2001.
⑦ Paul Humphreys & David Freedman,“Review:The Grand Leap”,British Journal for the Philosophy of Science,Vol.47,1996,pp.113～123.
⑧(18)(28)(34)(36)(39) Nancy Cartwright,Hunting Causes and Using Them,Cambridge University Press,2007,pp.61～79; pp.97～131; p.206; p.19; p.24; p.46.
⑨ Clark Glymour,“Nancy Cartwright and Bayes Net Methods:an Introduction”,2007,http://philsci-archive.pitt.edu/archive/00003555/01/Nancy_Cartwright_on_Bayes_Nets_Methods.doc
⑩(16) Daniel Hausman & James Woodward,“Independence,Invariance and the Causal Markov Condition”,British Journal for the Philosophy of Science,Vol.50,1999.
(11)(13)(15) James Woodward,Making Things Happen,Oxford University Press,2003,p.14; p.15; p.329.
(12) Daniel Hausman,Causal Asymmetries,Cambridge University Press,1998,p.120.
(14) 一些与“不变性”类似的刻画因果关系的概念，诸如“稳定性（stability）”、“韧性（resiliency）”等，参见Sandra Mitchell,“Dimensions of Scientific Law”,Philosophy of Science Vol.67,2000; Brian Skyrms,“Resiliency,Propensities,and Causal Necessity”,Journal of Philosophy Vol.74,1977,pp.704～713.
(17) James Woodward,“Explanation and Invariance in the Special Sciences”,British Journal for the Philosophy of Science,Vol.51,2000,pp.197～254; “Explanation,Invariance,and Intervention”,Philosophy of Science,Vol.64,1997,pp.S26～S41.
(19) Kevin Hoover,“Comments on Cartwright and Woodward:Causation,Estimation,and Statistics”,On the Reliability of Economic Models,eds.Daniel Little,Kluwer Academic Publishers,1995,pp.75～89.
(20) Daniel Hausman & James Woodward,“Modularity and the Causal Markov Condition:A Restatement”,British Journal for the Philosophy of Science,Vol.55,2004,p.147; “Manipulation and the Causal Markov Condition”,Philosophy of Science,Vol.71,2004,p.846.
(21)(24)(27) Kevin Hoover,Causality in Macroeconomics,Cambridge University Press,2001,p.24; pp.120～7; p.37.
(22)(26)(31) Nancy Cartwright,Nature's Capacities and their Measurement,Oxford University Press,1989,p.88; pp.16; p.145.
(23) Kevin Hoover,“Probability and Structure in Econometric Models”,the 13[th] International Congress of Logic,Methodology,and Philosophy of Science,2007.
(25) Herbert Simon,“Causal Order and Identifiability”,in Models of Man,Wiley & Sons,1957,pp.10～36.
(29) Nancy Cartwright,How the Laws of Physics Lie,Oxford University Press,1983,p.49.
(30)(33) Nancy Cartwright,The Dappled World,Cambridge University Press,1999,p.57,p.82.
(32) John S.Mill,“On the Definition of Political Economy; and of the Method of Investigation Proper to it”,The Methodology of Economics:Nineteenth-Century British Contributions,Vol.1,Routledge/Thoemmes Press,1836 [1997],p.161.
(35) G.E.M.Anscombe,“Causality and Determination”,Causation,eds.,Ernest Sosa & Michael Tooley,Oxford University Press,1993,pp.88～104.
(37) Nancy Cartwright et al,Otto Neurath:Philosophy between Science and Politics,Cambridge University Press,1996,p.178.
(38) Tooley,Michael “Causation:Reductionism vs.Realism”,Causation,eds.Ernest Sosa & Michael Tooley,Oxford University Press,1993,pp.172～192.
(40) Jürgen Habermas,Knowledge and Human Interests,trans.J.Shapiro,Beacon Press,1971.