عرب سايكلوجي

فرضية السبب المشترك: لماذا لا يعني الارتباط سببية؟

المحتويات:

فرضية السبب المشترك (Common Cause Hypothesis)

Primary Disciplinary Field(s):

الفلسفة العلمية، النظرية الاحتمالية، الإحصاء، علم النفس القياسي

1. التعريف الجوهري والأساس المنطقي

تمثل فرضية السبب المشترك مبدأً أساسياً في الاستدلال السببي (Causal Inference) ينص على أن أي ارتباط (Correlation) أو تزامن غير عرضي (Non-accidental Coincidence) بين حدثين منفصلين (A) و (B)، والذي لا يمكن تفسيره مباشرةً بكون أحدهما سبباً للآخر، يجب أن يكون ناجماً عن وجود عامل ثالث (C) يمثل سبباً مشتركاً لهما. بعبارة أخرى، إذا لاحظنا أن متغيرين يتغيران معاً بانتظام، لكنهما ليسا مرتبطين بصلة مباشرة، فإن الفرضية تؤكد منطقياً ضرورة وجود سبب خفي أو ثالث يؤدي إلى ظهور كلتا الظاهرتين المرصودتين بشكل مستقل. هذا المبدأ لا يقتصر على تحديد السبب فحسب، بل هو أيضاً أداة استبعاد مهمة في التحليل السببي، حيث يدفعنا للبحث عن المتغيرات الكامنة بدلاً من افتراض وجود علاقة سببية مباشرة بين المتغيرات المرصودة، مما يجنب الوقوع في مغالطة “الارتباط يعني السببية”.

تُعد هذه الفرضية حجر الزاوية في كيفية تعاملنا مع البيانات الإحصائية المعقدة، خاصةً عندما نواجه ما يُعرف بـ “الارتباط الزائف” (Spurious Correlation). فبدلاً من الوقوع في فخ الاستنتاج الخاطئ بأن (A) يسبب (B) لمجرد تزامن حدوثهما، توجهنا الفرضية إلى البحث عن آلية سببية أعمق. على سبيل المثال، إذا لوحظ ارتفاع في مبيعات الآيس كريم بالتزامن مع ارتفاع في حوادث الغرق، فإن السبب المشترك الواضح هو ارتفاع درجة الحرارة (الصيف)، الذي يسبب كلتا الظاهرتين دون أن تكون إحداهما سبباً للأخرى. إن قوة الفرضية تكمن في قدرتها على توفير تفسير اقتصادي وموحد للظواهر المرتبطة، مما يعزز المنهجية العلمية في بناء النماذج السببية التي تتسم بالكفاءة والوضوح، ويقلل من الحاجة إلى افتراض مسارات سببية لا يمكن التحقق منها بشكل مباشر.

من الناحية الإبستمولوجية، تعكس فرضية السبب المشترك الحاجة البشرية إلى النظام والاتساق في فهم العالم. إنها تجسد رفضاً ضمنياً للتفسيرات التي تعتمد على الصدفة المحضة لتفسير الأنماط المتكررة، وتفترض وجود بنية سببية كامنة تحكم التفاعلات المرصودة. في سياق نظرية الاحتمالات، يُشار إلى أن السبب المشترك (C) يجعل الأحداث (A) و (B) مستقلة احتمالية بشرط معرفة وقوع (C). هذا المفهوم، المعروف باسم “الاستقلال المشروط” (Conditional Independence)، هو المقياس الرياضي الأساسي الذي يمكن من خلاله اختبار صحة الفرضية في النماذج الإحصائية المعقدة، وهو ضروري في مجالات مثل تحليل المسار (Path Analysis) والشبكات البيزية (Bayesian Networks)، حيث يوفر معياراً صارماً للتحقق من الهياكل السببية المفترضة.

2. التطور التاريخي والرواد

على الرغم من أن فكرة البحث عن سبب ثالث يربط بين ظواهر متزامنة قديمة قدم الفكر الفلسفي، حيث ناقشها فلاسفة مثل أرسطو ودافيد هيوم في سياقات مختلفة، فإن الصياغة الرسمية والمنهجية لـ فرضية السبب المشترك ترتبط بشكل وثيق بالفيلسوف والمنطقي النمساوي-الألماني هانز رايشنباخ (Hans Reichenbach). قدم رايشنباخ، وهو أحد الأعضاء البارزين في حلقة برلين والداعمين للوضعية المنطقية، هذا المبدأ في كتابه المؤثر “اتجاه الزمن” (The Direction of Time) الذي نُشر بعد وفاته عام 1956، حيث صاغه ضمن إطار فلسفي أوسع يهدف إلى ربط الفيزياء الحديثة والمفاهيم الاحتمالية في نظرية شاملة للسببية.

أطلق رايشنباخ على صياغته اسم “مبدأ السبب المشترك” (Principle of the Common Cause). كان هدفه الأساسي هو توفير أساس منطقي لتفسير التزامن في الكون، مؤكداً أن هذا التزامن يجب أن يكون له تفسير سببي يسبق زمنياً وقوع الحدثين. لم يكن رايشنباخ مهتماً فقط بالتطبيقات اليومية البسيطة، بل كان يسعى إلى تطبيق هذا المبدأ على الظواهر الفيزيائية المعقدة، مثل تفسير الارتباطات الكمومية أو الظواهر الكونية التي تبدو وكأنها تحدث بشكل متزامن دون وجود اتصال مباشر واضح بينها. لقد اعتبر أن افتراض السبب المشترك هو الافتراض الأكثر ترشيداً والأكثر توافقاً مع مبدأ اللامفاجأة (Principle of No Surprise) في فهم الظواهر الطبيعية.

في العقود التي تلت صياغة رايشنباخ، تم تطوير المبدأ وتعميقه بشكل كبير، خاصةً في مجالات الإحصاء القياسي ونماذج المعادلات البنيوية. لعبت أعمال فلاسفة العلم اللاحقين، مثل باتريك سوبيس (Patrick Suppes)، الذي دمج المبدأ في إطاره للسببية الاحتمالية، وجوديا بيرل (Judea Pearl)، الذي طور النماذج البيزية والرسوم البيانية السببية (DAGs)، دوراً حاسماً في تحويل الفرضية من مجرد مبدأ فلسفي إلى أداة حسابية قابلة للتطبيق. فقد أدمجوا الفرضية في أطر رياضية صارمة تمكن الباحثين من اختبار الافتراضات السببية وتحديد الهياكل السببية الكامنة في مجموعات البيانات الكبيرة، مما عزز مكانتها كأداة أساسية في البحث العلمي الحديث وتصميم التجارب المعقدة.

3. مفهوم بيرزون في السببية المشتركة

يُعد مفهوم بيرزون (Reichenbach’s Principle) التعبير الرسمي الأكثر شهرة لفرضية السبب المشترك، وهو يرتكز على فكرة أن الارتباطات التي لا تنجم عن علاقة سببية مباشرة يجب أن تكون نتيجة لسبب ثالث. ينص هذا المفهوم على أنه إذا كان هناك ارتباط إحصائي بين حدثين A و B (أي أن احتمالية وقوع A بوجود B تختلف عن احتمالية وقوع A بمفرده)، فإن هذا الارتباط يمكن تفسيره بإحدى ثلاث طرق سببية حصرية ومستنفدة في السياق الكلاسيكي للسببية:

  1. السببية المباشرة: A يسبب B، أو B يسبب A.
  2. التأثير المتبادل: A و B يسببان بعضهما البعض (حلقة سببية).
  3. السبب المشترك: يوجد سبب ثالث C يسبب كلاً من A و B.

ويؤكد المبدأ أن التفسير الأخير (السبب المشترك) هو التفسير الأكثر ترجيحاً ومنطقية للارتباطات التي لا يمكن تفسيرها بالطرق المباشرة، خاصةً عندما يكون C سابقاً زمنياً لـ A و B ويحقق شرط الاستقلال المشروط.

رياضياً، يمكن التعبير عن قوة السبب المشترك من خلال خاصية “إلغاء الارتباط” (Screening Off). تنص هذه الخاصية على أن السبب المشترك C يقوم بحجب أو إلغاء الارتباط بين A و B، مما يعني أن الأحداث A و B تصبحان مستقلتين احتمالية بمجرد معرفة وقوع C. يتم التعبير عن هذا رياضياً بأن: P(A | B, C) = P(A | C). هذه المعادلة حاسمة وتوفر معياراً قابلاً للقياس؛ فهي تحدد متى يمكن اعتبار متغير معين سبباً مشتركاً حقيقياً، حيث أن معرفة الحدث الإضافي B لا يضيف أي معلومات حول احتمالية وقوع A بمجرد أن نعرف أن السبب المشترك C قد وقع.

إن أهمية مفهوم الإلغاء تكمن في قدرته على التمييز بين العلاقة السببية الحقيقية والارتباط الزائف. ففي حالة الارتباط الزائف، بمجرد إدخال السبب المشترك كمتغير ضابط (Control Variable) في النموذج الإحصائي، يختفي الارتباط بين المتغيرين المرصودين، أو يضعف بشكل كبير ليصبح غير دال إحصائياً. على النقيض من ذلك، إذا كان هناك سبب مباشر حقيقي (A يسبب B)، فإن الضبط على متغير آخر قد لا يلغي الارتباط بالضرورة. بل إن الضبط غير الصحيح على متغير هو في الواقع نتيجة لـ A و B (يُسمى المصادم أو Collider) يمكن أن يؤدي إلى نشوء ارتباط زائف حيث لم يكن موجوداً، وهو ما يُعرف بـ “انحياز الضبط” (Collider Bias). وهكذا، يوفر مبدأ بيرزون إطاراً صارماً لتقييم البنى السببية في البحث التجريبي والرصدي، ويعد أساساً منهجياً لا غنى عنه في تحليل البيانات السببية.

4. الخصائص الأساسية للفرضية

  • الاقتصاد في التفسير (Parsimony):

    تفضل الفرضية التفسيرات التي تستخدم أقل عدد ممكن من الافتراضات السببية لتفسير مجموعة من الارتباطات المرصودة. فبدلاً من افتراض وجود سلسلة معقدة وغير مرئية من التأثيرات المتبادلة بين A و B، يقدم السبب المشترك تفسيراً موحداً وأكثر بساطة وفعالية. هذا الاقتصاد يتوافق مع مبدأ “نصل أوكام” (Occam’s Razor)، حيث يتم ترجيح النموذج الذي يفسر البيانات بأقل قدر من التعقيد غير الضروري. في الإحصاء، يترجم هذا إلى نماذج إحصائية تتمتع بقوة تنبؤية أعلى وأقل عرضة للإفراط في الملاءمة (Overfitting) للبيانات العينية.

  • الشرط الزمني (Temporal Precedence):

    يتطلب المبدأ، في صورته الكلاسيكية التي صاغها رايشنباخ، أن يكون السبب المشترك (C) سابقاً زمنياً لكل من الحدثين A و B. هذا الشرط الزمني ضروري لضمان أن C هو بالفعل السبب الذي أدى إلى ظهور الحدثين وليس نتيجة لهما أو متزامناً معهما بشكل عارض. ومع ذلك، هناك بعض التطورات الحديثة في النظرية السببية التي تناقش إمكانية وجود أسباب مشتركة تحدث بالتزامن الفوري (Simultaneous Common Causes)، لكن الشرط الزمني يظل عنصراً حاسماً في معظم التطبيقات العملية، لا سيما في تصميم التجارب والتحليلات الطولية التي تعتمد على تتبع الأحداث عبر الزمن لتحديد اتجاه السببية.

  • الاستقلال المشروط (Conditional Independence):

    تُعد هذه الخاصية الميزة الرياضية المميزة للفرضية، وهي قابليتها للاختبار الإحصائي. إنها الأساس الذي يسمح لنا بالتحقق من صحة الفرضية باستخدام الأدوات الإحصائية المتقدمة. إذا أمكن إظهار أن الارتباط بين A و B يختفي أو يصبح غير دال إحصائياً بعد الضبط على المتغير C، فإن ذلك يعزز بقوة الافتراض بأن C هو السبب المشترك. إذا لم يؤدِ الضبط على المتغير C إلى جعل A و B مستقلين إحصائياً، فإن هذا يشير إما إلى أن C ليس السبب المشترك الحقيقي، أو أن هناك سبباً مشتركاً إضافياً أو مجموعة من الأسباب لم يتم تحديدها بعد، مما يتطلب مزيداً من البحث لاستكشاف الهيكل السببي الكامل.

  • قابلية التطبيق المنهجي (Methodological Applicability):

    لا تقتصر فرضية السبب المشترك على مجال معرفي واحد، بل يمكن تطبيقها على نطاق واسع في مجالات تتراوح من الفيزياء والبيولوجيا إلى العلوم الاجتماعية والاقتصاد. هذه القابلية للتعميم تجعلها أداة فلسفية ومنهجية قوية في مختلف فروع المعرفة، حيث توفر إطاراً موحداً لفهم الارتباطات المعقدة. وهي أساس تصميم نماذج الشبكات السببية التي تهدف إلى رسم خريطة للعلاقات السببية بين مجموعة كبيرة من المتغيرات.

5. التطبيقات في المجالات المختلفة

أ. علم النفس القياسي (Psychometrics)

تجد فرضية السبب المشترك أحد أهم تطبيقاتها في تحليل العوامل (Factor Analysis)، وهو حجر الزاوية في بناء الاختبارات النفسية والتربوية. في علم النفس القياسي، غالباً ما يتم رصد ارتباطات قوية بين نتائج اختبارات أو بنود مختلفة (مثل الأسئلة المتعلقة بالقدرة اللفظية أو الرياضية). تفترض فرضية السبب المشترك أن هذه الارتباطات ليست عشوائية، ولا تنتج عن تسبب سؤال في إجابة سؤال آخر، بل تنتج عن متغير كامن (Latent Variable) يسمى “العامل” (Factor).

على سبيل المثال، إذا لاحظنا أن الأداء الجيد في اختبارات المفردات يرتبط بقوة بالأداء الجيد في اختبارات الاستدلال المنطقي، فإن فرضية السبب المشترك تشير إلى وجود عامل ذكاء عام (General Intelligence Factor – g) هو السبب المشترك الكامن وراء كلتا النتيجتين. يقوم تحليل العوامل، بناءً على هذه الفرضية، بتقدير هذا العامل الكامن واستخلاصه، مما يسمح للباحثين بفهم البنية الداخلية للسمات النفسية المقاسة، وهو أمر بالغ الأهمية في تطوير مقاييس موثوقة وصالحة، خاصة في مجالات قياس الشخصية والقدرات المعرفية.

في هذا السياق، يعمل العامل الكامن (C) كسبب مشترك يجعل البنود المختلفة (A و B) مترابطة، لكنه يلغي الارتباط بينها بمجرد الضبط عليه. هذه النمذجة السببية هي ما يميز تحليل العوامل عن مجرد تحليل المكونات الأساسية (Principal Component Analysis)، حيث يوفر تفسيراً سبباً للارتباطات بدلاً من مجرد تقليل الأبعاد، مما يعطي النماذج النفسية عمقاً تفسيرياً أوسع.

ب. الاستدلال الإحصائي والاقتصاد القياسي

في الإحصاء والاقتصاد القياسي، تُستخدم فرضية السبب المشترك بشكل مكثف للتعامل مع مشكلة المتغيرات المربكة (Confounding Variables). عندما يحاول الباحثون تحديد العلاقة السببية بين متغيرين (مثل تأثير الإنفاق الإعلاني على المبيعات)، فإنهم غالباً ما يواجهون متغيرات مربكة (مثل حالة الاقتصاد العام أو الموسمية أو التغيرات التنظيمية) التي تسبب كلاً من الزيادة في الإنفاق الإعلاني وزيادة المبيعات بشكل متزامن، مما يخلق ارتباطاً زائفاً.

توجّه الفرضية الباحثين إلى تحديد هذه المتغيرات المربكة وإدراجها كمتغيرات ضابطة في نماذج الانحدار (Regression Models)، أو استخدام تقنيات أكثر تعقيداً مثل المطابقة (Matching) أو أدوات المتغيرات الآلية (Instrumental Variables). من خلال الضبط الإحصائي لهذه الأسباب المشتركة، يتمكن الباحثون من “تنقية” العلاقة المرصودة بين المتغيرين محل الاهتمام، وبالتالي تقدير الأثر السببي الحقيقي بشكل أكثر دقة، مما يتيح اتخاذ قرارات سياساتية واقتصادية مبنية على أسس سببية قوية. بدون تطبيق هذا المبدأ، تكون الاستنتاجات السببية عرضة بشدة للتحيز والخطأ في التقدير.

6. الأهمية والتأثير

إن الأهمية الفلسفية والعملية لفرضية السبب المشترك لا يمكن المبالغة فيها. ففلسفياً، توفر الفرضية أساساً متيناً للواقعية السببية (Causal Realism)، حيث ترفض فكرة أن الارتباطات المعقدة هي مجرد مصادفات إحصائية لا معنى لها، وتصر على أن هناك هياكل سببية أساسية يمكن اكتشافها وفهمها. هذا التوجه يعزز الثقة في المنهج العلمي وقدرته على الكشف عن الحقائق الكامنة وراء الظواهر المرصودة. وقد ساهمت بشكل كبير في النقاش الفلسفي حول طبيعة السببية، خاصة في سياق نظرية الاحتمالات وعلاقتها بالزمان والمكان.

من الناحية المنهجية، أدت الفرضية إلى تطوير أدوات إحصائية متقدمة مصممة خصيصاً للتعامل مع السببية، مثل نماذج المعادلات البنيوية (Structural Equation Modeling) والنماذج السببية البيزية. هذه الأدوات لا تكتفي بوصف الارتباطات، بل تسعى لتحديد اتجاه السببية وقياس قوة العلاقات السببية بعد التحكم في الأسباب المشتركة المحتملة. إن هذا التحول في التركيز من مجرد الوصف الإحصائي إلى الاستدلال السببي هو أحد أهم تأثيرات الفرضية، مما أتاح للعلماء بناء نماذج تنبؤية وتفسيرية أكثر ثراءً.

علاوة على ذلك، تلعب الفرضية دوراً حيوياً في التفكير النقدي اليومي. إنها تشجع على التفكير العميق وتجنب التسرع في استنتاجات خاطئة حول العلاقة بين الأحداث. إنها تذكير دائم بأن الارتباط لا يعني السببية (Correlation does not imply causation)، وأن التفسير الأكثر منطقية لأي تزامن هو البحث عن مصدر مشترك يغذي كلتا الظاهرتين. هذا المبدأ هو أساس المنهجيات المطبقة في مجالات مثل الوبائيات (Epidemiology)، حيث يتم باستمرار البحث عن عوامل الخطر المشتركة التي تسبب أمراضاً متعددة، وفي مجال الذكاء الاصطناعي لتطوير أنظمة قادرة على التعرف على العلاقات السببية الحقيقية بدلاً من مجرد الأنماط الإحصائية السطحية.

7. الانتقادات والمناقشات الفلسفية

على الرغم من القبول الواسع لفرضية السبب المشترك كأداة منهجية، فقد واجهت نقاشات وانتقادات فلسفية مهمة، خاصة فيما يتعلق بشموليتها وعالميتها. إحدى الانتقادات الرئيسية تأتي من مجال فيزياء الكم. ففي ظاهرة التشابك الكمومي (Quantum Entanglement)، لوحظ ارتباط قوي جداً بين جسيمين منفصلين، لكن هذا الارتباط لا يمكن تفسيره بوجود سبب مشترك محلي سابق لهما، وذلك وفقاً لـ متباينة بيل (Bell’s Theorem). هذا يشير إلى أن الفرضية، بصيغتها الكلاسيكية التي تعتمد على المحلية (Locality) والشرط الزمني، قد لا تنطبق على جميع مستويات الواقع الفيزيائي، مما يثير تساؤلات حول عالمية السببية ويفتح الباب أمام تفسيرات بديلة غير سببية أو سببية غير محلية.

انتقاد آخر يتعلق بـ السببية المباشرة مقابل السبب المشترك. يجادل بعض الفلاسفة بأن الفرضية تبالغ في تبسيط العلاقة بين الارتباط والسببية، خاصة في النظم المعقدة التي تتسم بالتغذية الراجعة والتأثيرات المتعددة الاتجاهات. ففي بعض الحالات، قد يكون من الصعب للغاية تحديد ما إذا كان السبب المشترك هو التفسير الوحيد، خاصة في النظم المعقدة حيث تتشابك التأثيرات المباشرة وغير المباشرة. كما أن الفرضية لا تقدم إجابة حول كيفية تحديد السبب المشترك بشكل قاطع، بل تقدم إطاراً منطقياً للبحث عنه، وتظل عملية تحديد المتغير C تحدياً تجريبياً كبيراً يتطلب معرفة عميقة بالمجال المدروس وافتراضات قوية حول نموذج البيانات.

أخيراً، هناك مناقشات حول مفهوم الاستقلال المشروط وحدود تطبيقه. ففي بعض النماذج السببية المتقدمة، قد لا يؤدي الضبط على السبب المشترك C إلى استقلال تام بين A و B، مما يشير إلى وجود عوامل مساعدة (Auxiliary Causes) أو آليات سببية متعددة تعمل في وقت واحد، أو أن المتغير C المُقاس ليس هو السبب المشترك الحقيقي ولكنه مجرد وسيط جزئي. التعامل مع هذه التعقيدات أدى إلى تطوير نماذج سببية أكثر مرونة تدمج فرضية السبب المشترك كحالة خاصة ضمن شبكة أوسع من العلاقات السببية، مثل نماذج DAGs (Directed Acyclic Graphs)، التي تساعد في تمثيل الافتراضات السببية والتحقق منها بشكل مرئي ومنطقي، مما يوسع من نطاق تطبيق الفرضية لتشمل سيناريوهات سببية أكثر تعقيداً وواقعية.

Further Reading (مراجع إضافية)