# Probabilistic Causation

> 【EN】“Probabilistic Causation” designates a group of theories that aim to characterize the relationship between cause and effect using the tools of probability theory. The central idea behind these theories is that causes change the probabilities of their effects. This article traces developments in probabilistic causation, including recent developments in causal modeling. This entry surveys the main approaches to characterizing causation in terms of probability. Section 1 provides some of the motivation for probabilistic approaches to causation, and addresses a few preliminary issues. Section 2 surveys theories that aim to characterize causation in terms of probability-raising. Section 3 surveys developments in causal modeling. Section 4 covers probabilistic accounts of actual causation. 【中】词条先说明采用概率进路的动机并处理若干预备问题，随后考察以提升概率来刻画因果的理论，讨论一般因果与实际因果之分、因果的关系项是什么，以及屏蔽、共同原因原则、辛普森悖论与背景语境等议题，展示概率方法在刻画因果时面临的结构性难题。

- ID: m13168
- Category: technical
- Domain: 科学方法论

## Definition

概率因果是用概率论工具刻画因果关系的理论群，其核心思想是：原因改变其结果发生的概率。该词条追溯概率因果理论的发展，包括近年来因果建模方面的进展，并概览以概率刻画因果的主要进路，如概率提升型理论。 脚手架作用：- 概率提升判定：用概率是否提升来判断非决定论情形下的因果。 - 控制混杂：坚持固定背景条件后再比较概率，识破虚假相关。 - 识别伪因果：区分真正的概率提升与同一原因的两个结果。

## How it works

概率进路的吸引力在于它能处理非决定论：原因不必必然产生结果，只要提高了结果的概率即可。其技术要求是控制混杂因素，必须在背景条件固定后比较概率，否则共同原因会造成虚假相关。困难在于：概率提升既不充分，可能只是同一原因的两个结果，也不必要，可能存在负向的因果贡献。

## Practice

1) 明确待检验的原因与结果，以及需要固定的背景条件；2) 在这些条件下比较出现原因与不出现原因时结果的概率；3) 检查是否存在共同原因，用屏蔽判断相关是否由混杂造成；4) 留意辛普森悖论，分层与合并后的方向可能相反，须说明以哪一层为准。

## Use

- 概率提升判定：用概率是否提升来判断非决定论情形下的因果。 - 控制混杂：坚持固定背景条件后再比较概率，识破虚假相关。 - 识别伪因果：区分真正的概率提升与同一原因的两个结果。

[Read the web page](https://thinkingmodels.site/en/entries/detail/m13168)