275
个编辑
更改
→Suppes将因果关系度量为概率提升
<math>CS_{Eells}</math>和<math>CS_{Suppes}</math>测量方法之间的区别在于，从测量<math>c</math>对<math>e</math>的因果必要性（即<math>c</math>是否可以由<math>c</math>以外的其他原因产生）转变为评估产生<math>e</math>的方法的多样性（它衡量的是通过多少种不同的方式可以实现<math>e</math>）。两者都是有效的措施，事实上在某些情况下是等效的<ref>Christopher Hitchcock. Probabilistic Causation. In Edward N. Zalta, editor, T''he Stanford Encyclopedia of Philosophy''.Metaphysics Research Lab, Stanford University, spring 2021 edition, 2018.</ref>。
<math>CS_{Eells}</math>和<math>CS_{Suppes}</math>测量方法之间的区别在于，从测量<math>c</math>对<math>e</math>的因果必要性（即<math>c</math>是否可以由<math>c</math>以外的其他原因产生）转变为评估产生<math>e</math>的方法的多样性（它衡量的是通过多少种不同的方式可以实现<math>e</math>）。两者都是有效的措施，事实上在某些情况下是等效的<ref>Christopher Hitchcock. Probabilistic Causation. In Edward N. Zalta, editor, T''he Stanford Encyclopedia of Philosophy''.Metaphysics Research Lab, Stanford University, spring 2021 edition, 2018.</ref>。
=== 程氏的因果归因 ===
Patricia Cheng 提出了一个广受欢迎的因果归因心理学模型，在这个模型中，推理者不仅要评估事件之间的纯粹共变关系（即两个事件是否同时发生或变化），还要估计候选原因产生（或阻止）结果的 “因果能力”<ref>Patricia W. Cheng and Laura R. Novick. Causes versus enabling conditions. ''Cognition'', 40(1):83–120, August 1991.</ref>，它衡量的是<math>c</math>对<math>e</math>的影响程度。在这一模型中，<math>c</math>产生<math>e</math>的因果能力由以下公式给出：
<math>CS_{Cheng}(c,e)=\frac{P(e\mid c)-P(e\mid C\backslash c)}{1-P(e\mid C\backslash c)}</math>
== 因果基元的形式化 ==
== 因果基元的形式化 ==