Modelování kauzální

modelování kauzální – v s-gii (především anglosaské) specif. případ odhalování kauzálních vztahů mezi proměnnými veličinami s využitím spec. metod na základě empir. (statist.) údajů (viz analýza kauzální). Těžištěm m.k. je konstrukce kauzálních modelů zkoumaných problémů (objektů) a spec. operace s těmito modely. Kauzální model se používá: l. k odhalení struktury a charakteru kauzálních vztahů v přesně vymezeném systému proměnných veličin; 2. ke kvant. hodnocení intenzity kauzálních vztahů mezi prvky systému; 3. k testování stupně přiměřenosti modelu, resp. kauzální hypotézy, empir. údajů. M.k. je dnes soustavou rozvinutých a diferencovaných analytických postupů, které vznikly zdokonalováním metod odhalování kauzálních vztahů na základě empir. údajů, zejm. zobecněním problematiky zdánlivých korelací, rozvinutím metod korelační a regresní analýzy a aplikací některých ekonometrických metod.

V s-gickém výzkumu slouží při řešení rozmanitých problémů (měření latentních proměnných, hodnocení chyb při měření v panelových výzkumech apod.), ale empir. ověřování tzv. kauzálních hypotéz může být přímo smyslem výzkumu. V tomto případě se začíná formulací určité kauzální hypotézy, resp. soustavy alternativních hypotéz. Každá kauzální hypotéza musí být zdůvodněna teor. poznatky nebo podepřena empir. údaji. Explicitně se zdůvodňuje existence kauzálních vztahů mezi konkrétními složkami modelu, stanoví se jejich typ, přímé a nepřímé vzájemné působení a úplnost modelovaného systému. Každá kauzální hypotéza se zobrazuje do kauzálního schématu, které je mezičlánkem mezi teor. modelem a soustavou matem. rovnic, plní heuristickou funkci a zároveň je i prostředkem ověřování úplnosti a konzistentnosti modelu. Kauzální hypotéza se transformuje do systému strukturních rovnic, který je soustavou lineárních rovnic známých z regresní analýzy. Pro každou proměnnou veličinu, která v kauzální struktuře vystupuje jako účinek, se sestaví rovnice obsahující její předpokládané příčiny, parametry vyjadřující intenzitu kauzálního vztahu a implicitní činitel vyjadřující determinaci mimo model, chyby při měření apod. Soustavy proměnných veličin mohou tvořit rekurzívní, nerekurzívní či blokově-rekurzívní systémy. Zatímco v rekurzívních systémech jsou vyžadovány lineární, jednosměrné a aditivní kauzální vztahy, v nerekurzívních systémech mohou být vztahy mezi endogenními proměnnými i obousměrné, v blokově-rekurzívních systémech musí být vztahy mezi bloky proměnných jednosměrné. Před empir. testováním kauzální hypotézy je nezbytné ověřit identifikovatelnost modelových rovnic. Vstupní údaje modelu tvoří empir. zjištěné souvislosti mezi proměnnými veličinami modelu, nejčastěji matice jednoduchých korelačních koeficientů. Modelové rovnice slouží k hodnocení strukturních parametrů. V rekurzívních systémech jsou strukturní parametry identifikovány a hodnoceny v závislosti na zvolené metodě: v Simonově-Blalockově metodě jako regresní koeficienty, v path analýze jako jednoduché či složené path koeficienty a v analýze závislosti jako koeficienty závislosti. Modelové rovnice se sestavují podle zvl. pravidel. V nerekurzívních systémech jsou strukturní parametry identifikovány jako regresní koeficienty a hodnoceny ekonometrickými metodami (metoda dvojstupňových nejmenších čtverců, metoda nepřímých čtverců, metoda instrumentálních proměnných apod.).

Testování přiměřenosti kauzálního modelu empir. údaji se opírá o tzv. predikční rovnice (na základě parciálních korelačních koeficientů), porovnávání teor. regenerovaných korelačních koeficientů (tj. koeficientů vytvořených pomocí hodnocených strukturních parametrů) s empir. zjištěnými korelačními koeficienty či testováním tzv. nulových parametrů (v nerekurzívních systémech). Celý cyklus se uzavírá interpretací modelu, kde se uplatňuje zásada, že při rozhodování o přijetí kauzálního modelu (ověření kauzální hypotézy) mají před statist. kritérii přednost teor. kritéria. Tvorba a ověřování kauzálního modelu je náročným, dlouhodobým procesem, zpravidla vyžaduje absolvovat několik cyklů kauzální analýzy. Celý proces výrazně zefektivňuje využití počítačů.

causal modelling modelage causal Kausalmodelierung modellistica causale

Literatura: Blalock, H. M. ed.: Causal Models in the Social Science. Chicago, New York 1971; Blalock, H. M. a kol.: Quantitative Sociology. International Perspective on Mathematical and Statistical Modeling. New York, San Francisco, London 1975; Boudon, R.: La crise de la sociologie. Paris, Genève 1971; Duncan, O. D.: Introduction to Structural Equation Models. New York 1975; Schenk, J.: Metodologické problémy modelovania v sociologickom bádaní. Bratislava 1981.

-- Juraj Schenk