Kausalitet betydning

Kausalitet handler om, hvad der får hvad til at ske. I sin kerne siger udsagnet “A forårsager B”, at hvis A ændres (fx ved en intervention), vil sandsynligheden for eller værdien af B systematisk ændre sig. Dette adskiller sig fra ren korrelation, hvor to fænomener følges ad uden nødvendigvis at have et årsagsforhold.

• Nødvendig årsag: Uden A kan B ikke ske (fx ilt er nødvendig for forbrænding).
• Tilstrekkelig årsag: A alene er nok til at frembringe B (sjældent i komplekse systemer).
• Bidragende (INUS) årsag: A er en utilstrækkelig, men nødvendig del af en unødvendig, men tilstrækkelig betingelse (J. L. Mackies analyse).
• Probabilistisk årsag: A øger risikoen for B (almindeligt i medicin og samfundsvidenskab).

I moderne kausal analyse skelnes der ofte mellem association (sammenhæng i data) og intervention (hvad der ville ske, hvis man faktisk ændrede årsagen). Denne skelnen formaliseres fx med kontrafaktiske modeller og do-operatoren i kausale grafer.

Ordet “kausalitet” kommer af latin causa (årsag) og afledningsendelsen -alitas (egenskab, tilstand) via fransk/latin til de skandinaviske sprog. På dansk er “kausal” det tilhørende adjektiv (kausalt, kausale), mens substantivet er “kausalitet”.

• Korrelation vs. kausalitet: Korrelation er samvariation; kausalitet indebærer en virkningsmekanisme eller interventionsfølsomhed.
• Direkte vs. indirekte årsager: A kan påvirke B direkte eller via en mediator (A → M → B).
• Moderation: Effekten af A på B afhænger af en tredje variabel (moderator).
• Confounding (forveksling): En skjult variabel påvirker både A og B og kan skabe en falsk association.
• Deterministisk vs. probabilistisk kausalitet: I fysikken kan lovmæssigheder være nær-deterministiske; i biologi/medicin er effekter ofte probabilistiske.
• Nærmeste årsag (proximate cause) vs. bagvedliggende årsager: Juridisk og praktisk skelnen mellem den direkte udløsende årsag og dybereliggende faktorer.

• “Rygning forårsager lungekræft.” (probabilistisk; øger risiko markant)
• “Vaccination reducerer risikoen for sygdom X.” (interventionel effekt)
• “Øget undervisningstid forbedrer ofte elevernes testresultater.” (kausal effekt under visse betingelser)
• “Et trykfald fremkalder kogene vand ved lavere temperatur.” (fysisk mekanisme)
• “Et strømstød udløste systemnedbruddet.” (nærmeste tekniske årsag)
• “Tilskuddet medførte øget investering i grøn teknologi.” (politisk/økonomisk årsag)
• “Søvnmangel forringer reaktionstid.” (psyko-fysiologisk effekt)
• “Et lavtryk skabte kraftig nedbør.” (meteorologi)
• “Prisstigninger på brændstof forårsagede øgede transportomkostninger.” (økonomi)
• “Træning forbedrer insulinfølsomheden.” (biomedicin)

Eksempler på fejlagtige kausalitetsfortolkninger (spuriøse sammenhænge):

• “Is-salg forårsager druknedødsfald.” (begge stiger om sommeren; temperatur er confounder)
• “Byer med flere redningsbåde har flere ulykker.” (kausal retning omvendt; behovet driver investeringer)

• Aristoteles: Skelnede mellem fire “årsager” (materiel, formel, virkende, final). Den virkende årsag ligger tættest på moderne kausalitet.
• Hume (1700-tallet): Skepsis over for at observere nødvendighed; vi ser regelmæssig følge og danner vane.
• Kant: Så kausalitet som en a priori kategori for erfaringens mulighed.
• Mill: Metoder for kausal opdagelse (overensstemmelse, forskel, ledsagende variation).
• 20. årh.: Sandsynligheds- og statistiske tilgange; eksperimentets guldstandard.
• Moderne: Kontrafaktiske modeller (Rubin), strukturelle kausale modeller og DAGs (Pearl), potential outcomes, naturlige eksperimenter.

• Filosofi: Metafysik (hvad er årsager?), epistemologi (hvordan ved vi det?). Kontrafaktiske analyser (David Lewis).
• Statistik/økonomi: Randomiserede forsøg, instrumentvariabler, difference-in-differences, regressionsdiskontinuitet, matching.
• Medicin/epidemiologi: Bradford Hill-kriterier (temporality, styrke, dose-respons, plausibilitet m.fl.).
• Datavidenskab/ML: Kausal opdagelse, transportabilitet, fairness og modfaktiske forklaringer.
• Fysik: Kausal struktur i rumtid (relativitet), signalers lyshastighedsbegrænsning.
• Jura: “But-for”-test, adækvanslæren, nærmeste årsag (proximate cause), skyld og ansvar.

• Kontrollerede eksperimenter (RCTs): Randomisering bryder confounding.
• Naturlige eksperimenter: Udnytter eksterne begivenheder eller regler.
• Instrumentvariabler: Et instrument påvirker A, men ikke B direkte.
• Difference-in-differences: Sammenligner ændringer over tid i behandlet vs. kontrolgruppe.
• Granger-kausalitet: Tidsseriebegreb (forudsigelsesevne), ikke fuld metafysisk kausalitet.
• Kausale grafer (DAGs): Visualiserer antagelser; backdoor/frontdoor-kriterier.

• Confounding: Overset tredjevariabel.
• Omvendt kausalitet: B påvirker A, ikke omvendt.
• Selektionsbias: Ikke-repræsentativt udsnit.
• Collider bias: Konditionering på fælles effekt skaber falske sammenhænge.
• Overtilpasning/overkontrol: Justering for mediatorer kan forvrænge total effekt.

• Substantiv: kausalitet, kausaliteten (bestemt form)
• Adjektiv/adverbium: kausal, kausalt, kausale (fx “en kausal forklaring”, “kausalt forhold”)
• Relaterede udtryk: kausal kæde, kausal slutning, kausalanalyse, kausal mekanisme

Eksempelsætninger:

• “Studiet dokumenterer en kausal effekt af programmet på beskæftigelse.”
• “Sammenhængen er stærk, men kausaliteten er usikker på grund af mulig confounding.”
• “Modellen antager en kausal kæde fra uddannelse til indkomst via kompetencer.”

• Synonymer: årsagssammenhæng, årsagsforhold, årsag-virkning-forhold
• Relaterede: determinisme, mekanisme, effekt, påvirkning, intervention, forklaring, etiologi

• Antonymer: akausalitet, tilfældighed (i betydningen uden årsagsforbindelse), uafhængighed
• Kontraster: korrelation (uden kausal tolkning), spuriøs sammenhæng

• Temporalitet: Årsagen kommer før virkningen.
• Styrke og konsistens: Robust effekt på tværs af studier og metoder.
• Dose-respons: Mere A → mere (eller mindre) B.
• Plausibel mekanisme: En troværdig vej fra A til B.
• Eksperimentel evidens: Hvor muligt.

• Granger-kausalitet vs. “ægte” kausalitet: Førstnævnte handler om forudsigelighed i tidsserier.
• Association vs. kausalitet: En signifikant sammenhæng er ikke i sig selv bevis for årsag.
• Forklaring vs. kausal effekt: Man kan forklare varians uden at identificere en interventionsfølsom effekt.

• Kontrafaktisk, potential outcomes, strukturel kausal model (SCM)
• Backdoor-/frontdoor-justering, mediator, moderator
• Endogenitet/eksogenitet, instrument, naturligt eksperiment
• Proximate vs. ultimate årsager, adækvans, nærmeste årsag

Kausalitet er kernen i at forstå og ændre verden: den siger, hvad der sker, når vi handler. Den forudsætter mere end blot samvariation; den kræver antagelser, metoder og ofte interventionel evidens. På tværs af filosofi, natur- og samfundsvidenskab samt jura giver kausalitet et sæt begreber og værktøjer til at skelne mellem tilfældig sammenhæng og virkningsfuld forbindelse.