因果关系与可操纵性 and manipulability (James Woodward)

首次发表于 2001 年 8 月 17 日星期五；实质性修订于 2023 年 5 月 6 日星期六

可操纵性理论认为，因果关系应被视为操纵效应的手柄或装置，具有相当大的直观吸引力，并且在许多科学家和统计学家中很受欢迎。本文调查了哲学家提倡的几种著名版本的这种理论，以及它们面临的许多困难。直到最近，操纵主义方法的哲学表述通常具有还原主义的抱负，并赋予人类行为中心地位。这与最近更广泛地使用操纵主义框架来理解因果关系的讨论形成对比，例如计算机科学家朱迪亚·珀尔（Judea Pearl）等人的观点，这些观点是非还原主义的，而是依赖于干预的概念。这只是一个适当外生的因果过程；它与人类行为没有必要联系。这种干预主义框架设法避免了传统哲学版本的可操纵性理论所面临的一些困难，并有助于澄清因果断言的内容。

1. 引言

关于因果关系的一个常识性观念是，因果关系是可以用于目的的操纵和控制的关系：非常粗略地说，如果 C 确实是 E 的原因，那么如果我可以以正确的方式操纵 C，这应该是操纵或改变 E 的一种方式。这个观念是由哲学家如 Gasking（1955）、Collingwood（1940）、von Wright（1971）、Menzies 和 Price（1993）以及 Woodward（2003）发展的因果关系可操纵性理论的基石。这也是许多非哲学家提倡的观念。例如，在他们极具影响力的关于实验设计的文本中（1979 年），Cook 和 Campbell 写道：

因果关系中的典范断言是，操纵原因将导致影响的操纵。 … 因果关系意味着通过改变一个因素，我可以使另一个因素变化。（Cook & Campbell 1979: 36，原文强调）

类似的想法在计量经济学和所谓的结构方程或因果建模文献中很常见，并且最近在计算机科学家朱迪亚·珀尔(Judea Pearl)的一本非常有影响力的著作中得到了有力的重申(珀尔 2009)。

至少直到相对最近，哲学讨论一直对可操纵性理论持不赞同态度：两个标准的抱怨是可操纵性理论是毫无启发性的循环论证，并且它们导致了一种无法接受的人类中心主义或者至少在某种程度上不够普遍的因果观念，因为它与人类操纵的实际可能性联系得太紧密(参见，例如，豪斯曼 1986, 1998)。这两个反对意见乍看起来都是合理的。假设 X 是一个变量，根据感兴趣的事件是否发生，它可以取两个不同的值，0 和 1。那么，为了使事件或过程 M 有资格成为 X 的操纵，似乎必须存在 M 和 X 之间的因果关系：要操纵 X，就必须导致它的值发生变化。那么我们如何使用操纵的概念来提供一个非循环的因果解释呢？此外，毫无争议的是，在人类无法实际操纵的情况下，因果关系可以存在——想想月球的引力吸引力和潮汐之间的因果关系，或者早期宇宙中的因果关系。可操纵性理论如何避免产生一个与人类能力如此密切相关以至于无法应用于这些情况的因果观念呢？

这些对可操纵性理论的哲学批评与统计学家、实验设计理论家以及许多社会和自然科学家之间普遍观点形成鲜明对比，即认识因果关系与可操纵性之间的联系对澄清因果断言的含义并理解其独特特征起着重要作用。这反过来产生了一个难题。非哲学家是否仅仅是错误地认为，专注于因果关系与可操纵性之间的联系可以告诉我们一些有价值的关于因果关系的信息？实践科学家广泛引用类似可操纵性概念的做法是否表明，对因果关系的可操纵性理论的通常哲学批评是错误的？

随后的讨论按以下方式组织。第 2 节描述了 Menzies 和 Price（1993）提出的一个著名版本的可操纵性理论，该理论赋予了代理或自由行动的概念中心作用。第 3 节描述了自由行动概念为何似乎不是制定可操纵性理论的充分基础的原因。第 4 节介绍了干预的概念，这使得对因果关系的可操纵性方法得以更充分的阐述，并且在最近的讨论中占据重要地位。第 5 节考虑了 Pearl 的“干预主义”可操纵性理论的表述以及 Woodward（2003）提出的一种替代方案。第 6 节探讨了可操纵性理论是循环的指控。第 7 节探讨了干预主义思想如何用于阐明各种不同的因果概念。第 8 节回到干预和人类行为之间的关系，而 §9 讨论了干预主义理论中反事实的作用。第 10、11 和 12 考虑了可操纵性解释的范围，而 §13 考虑了对这些解释的一些异议，§14 则考虑了一些最近的积极发展。

正如我们将看到的那样，哲学内外对因果关系可操纵性的评估在某种程度上源自这两个群体发展的理论版本背后的不同目标或愿望。早期支持可操纵性概念的哲学辩护者，如冯·赖特、门齐斯和普莱斯，试图将因果关系与可操纵性之间的联系转化为一种还原分析：他们的策略是将操纵的概念（或类似的概念，如代理或通过自由行动导致结果）作为原始概念，然后试图使用这个概念构建一个非循环的还原定义，说明什么是因果关系。哲学评论家（相当合理地）根据这种愿望评估了这种方法（即，他们倾向于认为可操纵性理论只有在导致对因果关系的非循环分析时才具有兴趣），并发现成功还原的主张令人难以信服。相比之下，探讨因果关系与操纵之间联系的统计学家和其他非哲学家通常没有还原主义的愿望——相反，他们的兴趣在于揭示因果关系主张的含义，并展示它们如何通过追踪与其他相关概念（包括操纵但也包括概率）的相互关系参与推理，但并不暗示操纵的概念本身是一个与因果无关的概念。

还原的冲动导致了评论家在可操纵性理论标准表述中发现的其他令人反感的特征。为了实现还原，需要表明代理的概念是独立于或先于因果关系的概念，而这又似乎要求人类行为或操纵被赋予特殊地位——它们不能是普通的因果交易，而必须是世界中独立的基本特征。这在自然化计划方面似乎本身存在问题（与各种自然化计划显然不一致），并直接导致人类中心主义问题：如果我们理解因果关系的唯一方式是通过我们对独立代理概念的先验把握，那么很难看出什么能够使我们将因果关系的概念扩展到人类无法操纵和相关代理经验不可用的情况。冯·赖特、门齐斯和普莱斯都在努力应对这一困难。

一种摆脱这些问题的方法是遵循 Pearl 和其他人的做法，用干预的概念重新阐述可操纵性方法，其中干预被纯粹因果术语所描述，不必要参考人类行为。一些人类行为将符合干预的条件，但这是基于它们的因果特征，而不是因为它们是自由的或由人类执行的。这种“干预主义”重新阐述使得可操纵性理论能够避免更传统版本理论中的一些反例。此外，当进行这种重新阐述时，可以辩称该理论可以轻松扩展以捕捉在人类操纵不可能的情境中的因果主张。然而，这种重新阐述的代价是我们失去了将因果主张归纳为非因果主张的可能性。幸运的是（或者正如 §§ 7 和 8 所主张的那样），干预主义理论的重新阐述可能是非平凡且启发性的，即使不是还原的。

2. 代理理论

一个相对早期且具有影响力的可操纵性理论的声明，赋予人类代理的中心作用，归因于冯·赖特（1971 年；参见代理理论的早期版本进行进一步讨论）。然而，本条目将重点关注由彼得·门兹斯和休·普莱斯（1993 年）发展的较新版本（普莱斯独自撰写的一系列论文中也有讨论[1991 年，1992 年，以及最近的 2017 年，主张可操纵性理论的代理版本与非代理版本之间的对比并不像下文所暗示的那样明显）。门兹斯和普莱斯的基本论点是：

… 事件 A 是事件 B 的一个原因，只要导致事件 A 的发生将是自由代理人导致事件 B 发生的有效手段。（1993: 187）

他们将自由代理与因果关系之间的联系视为支持因果关系的概率分析（根据这种分析，“A 导致 B”可以合理地被理解为“A 提高了 B 发生的概率”），前提是所涉及的概率是他们所称的“代理概率”，其中

代理概率应被视为条件概率，从代理人的角度评估，在假定前提条件_ab initio_（代理人的自由行为）实现的情况下。因此，一个人应该归因于 A 的条件下 B 的代理概率是，如果选择实现 A，B 将会发生的概率。（1993: 190）

因果关系与可操纵性的概念是这样的：在 A 条件下 B 的代理概率是 B 在假定 A 具有特殊状态或历史的情况下的概率，特别是在假定 A 由自由行为实现的情况下。只有当 B 在假定 A 由自由行为实现时的条件概率大于 B 的无条件概率时，A 才会成为 B 的原因；只有当这两个概率相等时，A 才会成为 B 的虚假原因。举个例子，考虑一个结构，大气压力用变量 Z 表示，是气压计读数 X 和风暴 Y 发生的共同原因，X 和 Y 之间没有因果关系。X 和 Y 会有相关性，但 Price 和 Menzies 的直觉是，在假定 X 由自由行为实现时，这种相关性将消失，表明 X 和 Y 之间的相关性是虚假的，不反映 X 到 Y 的因果关系。相反，如果这种相关性持续存在，这将表明 X 毕竟是 Y 的原因。（“自由行为”在这种情况下可能意味着什么将在下文中探讨，但慈善的解释，尽管 Price 和 Menzies 没有明确采纳，是 X 的操纵应满足我们将与确定 X 是否导致 Y 的理想实验设计相关的条件——因此，例如，实验者应以一种与大气压力 Z 无关的方式操纵气压计表盘的位置，也许是在查看某个随机设备的输出后设置其值。）

Menzies 和 Price 声称他们可以借助这种代理概念来提供一个非循环的、还原的因果关系分析。他们声称可以避免循环性，因为我们对代理的_经验_有所把握，这是独立于我们对一般因果关系概念的把握。

基本前提是，从小我们都直接经历过充当主体的经验。也就是说，我们不仅直接经历了外部世界中事件的休谟式连续性，而且经历了一类非常特殊的连续性：在这些连续性中，较早发生的事件是我们自己的行动，在我们渴望后续事件，并相信在特定情况下，通过采取行动比其他情况更有可能实现后续事件。简单来说，我们都直接亲身经历过做一件事然后实现另一件事。……正是这种普遍且平凡的经验使得对“导致”概念进行了一种似乎是指示性定义。换句话说，这些案例提供了对导致事件概念的直接非语言熟悉；这种熟悉并不依赖于先前对任何因果观念的习得。因此，代理理论摆脱了循环性的威胁。（1993: 194–5）

门兹斯和普莱斯认识到，一旦因果关系的概念被这种方式与我们“亲身经历做一件事然后实现另一件事”（1993: 194）联系起来，就会出现一个关于不可操纵原因的问题。以他们自己的例子为例，如果没有人（或者鉴于当前人类能力的状态，无法）通过操纵这些板块直接亲身经历导致地震，那么说“1989 年旧金山地震是由板块之间的摩擦引起的”（1993: 195）意味着什么？他们对这一困难的回应是复杂的，但核心思想在以下段落中得到体现。

...我们会认为，当一个代理人可以通过引发一个事件来实现另一个事件时，这是由涉及的情况的某些基本内在特征决定的，这些特征本质上是非因果关系的，尽管不一定是物理性质。因此，当我们面对另一种涉及一对事件的情况，该情况在其内在特征方面类似于给定情况时，我们推断这对事件是因果相关的，即使它们可能不可操纵。(1993: 197)

显然，代理解释如此削弱，使我们能够对不可操纵事件提出因果断言，比如声称 1989 年旧金山地震是由大陆板块之间的摩擦引起的。我们之所以能够提出这样的因果断言，是因为我们相信存在另一种情况，该情况模拟了围绕地震的情况，并确实支持了适当一对事件之间的目的手段关系。这种情况的典范例子将是地震学家在人工模拟大陆板块运动时创造的情况。（1993 年：197）

这一建议的一个问题在于我们如何理解大陆板块运动的“固有”但（据称）“非因果”的特征，这些特征使其与地震学家能够操纵的人工模型相似。众所周知，小尺度模型和模拟自然现象的模拟，尽管在表面上类似或模仿这些现象，但仍可能无法捕捉其因果相关特征，因为例如，这些模型未能“升级”——因为在表征自然现象的长度尺度上，未在模型中表示的因果过程变得非常重要。因此，当我们询问包含可操纵原因的模型或模拟如何“类似于”涉及不可操纵原因的现象时，相关的相似概念似乎要求在两者中都存在相同的_因果_过程。如果他们的解释扩展到不可操纵原因需要一个已经具有因果特征的相似概念，并且_根据假设_不能用我们对代理机构的经验来解释，那么他们的简化就会失败。

这个困难也许可以通过简单的方法来避免，即采用可操纵性理论的反事实形式。的确，很明显，如果这个理论要有一点合理性，就需要_某种_反事实形式：毕竟，没有人认为只有在实际操纵了 A 的情况下，A 才能成为 B 的原因。因此，人们可能会考虑以下形式的表述：

(CF)如果适当的操纵[A] _被_进行，B 会发生变化，那么 A 就是 B 的原因。

正在考虑的建议试图避免人类无法操纵的原因所带来的困难，认为要使 (CF) 成立，并不需要人类能够实际进行相关操纵，甚至不需要人类存在。只需要要求的是，如果人类进行了 A（例如，大陆板块）的必要操纵，B（无论地震是否发生）会发生变化。（对采用这种反事实陈述的可能性进行了同情探讨，但 Ernest Sosa 和 Michael Tooley 在他们 1993 年的引言中并未完全支持。）

这个建议的一个问题是，无论是否采用反事实陈述，自由行动或人类操纵的概念本身都不能单独完成（即区分真实和虚假因果关系的工作），原因将在 §3 中描述。但除此之外，沿着 (CF) 的反事实陈述似乎完全没有启发性，除非伴随着对我们如何理解和评估这些反事实以及更具体地说，当我们想象 (CF) 的前提为真时，我们应该设想什么样的情况或可能性。例如，考虑一个关于早期宇宙的因果声明，那时温度如此之高，以至于原子、分子和我们能够认识为代理的任何东西都无法存在。当我们询问，沿着 (CF) 的思路，如果人类存在并能够在这种情况下进行某些操纵，会发生什么，我们应该设想什么样的反事实情景？一个令人满意的代理理论版本应该让我们了解在普通情境中对代理的体验如何帮助我们理解和评估这些反事实。值得肯定的是，Menzies 和 Price 试图做到这一点，但他们是否成功尚不清楚。

3. 因果关系与自由行动

正如我们所看到的，门兹斯和普莱斯在阐明因果关系时赋予“自由行动”中心地位。他们没有进一步解释这个短语的含义，而是更倾向于指出我们作为行动者所具有的特征经验，正如上面引述的段落所示。然而，很明显，无论是软决定论者认为的自由行动是指未被强迫或受限制的行动，还是由代理人自愿选择引起的，或者是自由意志论者认为的自由行动是指未被引起或非确定性引起的行动，当 A 被实现为“自由行动”时，A 与 B 之间存在相关性是_不足以_导致 A 导致 B 的。假设，在上述描述的例子中，气压计表盘 X 的位置是由实验者的自由行动（以上述任一意义）设定的，但这个自由行动（因此 X）与测量大气压力的变量 Z 相关，或许是因为实验者观察大气压力并自由选择设置 X 与 Z 相关。（这种可能性与实验者设置 X 的行为在上述两种意义上都是自由的是相容的。）在这种情况下，当由自由行动产生时，X 仍然与 Y 相关，即使 X 并不导致 Y。然后，假设我们通过在 A 被自由行动实现的特征化中添加这样一个想法来回应这一困难，即这个行动本身不得与 A 的任何其他原因相关。（普莱斯 1991 年的一些段落暗示了这样一个额外的规定，尽管所讨论的条件似乎与自由行动的通常理解无关。）即使有了这个规定，如果 A 仍然与 B 相关，当 A 由这种意义上的自由行动产生时，也不一定导致 A 导致 B，因为仍然有可能是产生 A 的自由行动也通过不经过 A 的途径导致 B。举例来说，考虑这样一个情况，即实验者向治疗组施用药物（通过诱导患者吞服）产生了增强康复的安慰剂效应，尽管药物本身对康复没有影响。即使在实验者自由施用药物的情况下，药物的吞服与康复之间存在相关性，尽管药物的吞服并不导致康复。

4. 干预

像刚才描述的那些例子表明，如果我们希望像 Menzies 和 Price 一样捍卫这样一种主张，即当给定了适当的“独立因果历史”或以正确的方式“操纵”A 时，A 和 B 之间的关联仍然存在，那么我们需要更准确地说明我们所说的短语。在因果关系的最近文献中已经有许多尝试这样做的尝试。所有这些讨论试图捕捉的基本思想是对 A 进行“外科手术”式的改变，这种改变具有这样的特征，即如果 B 发生任何变化，它只会作为其与 A 的因果联系（如果有的话）的结果，而不以其他方式发生。换句话说，通过操纵 A 产生的 B 的变化（如果有的话）应该只通过经过 A 的因果路径产生。具有适当外科手术特征的变量值的操纵或改变在最近的文献中被称为_干预_（例如，Spirtes，Glymour 和 Scheines 2000；Meek 和 Glymour 1994；Hausman 1998；Pearl 2009；Woodward 1997，2000，2003；Woodward 和 Hitchcock 2003；Cartwright 2003），本条目将遵循这一做法。许多作家正确地认为对干预概念的表征对于发展一个可信的可操纵性理论版本至关重要。对干预及其对理解因果关系的重要性进行系统思考的最详尽尝试之一归功于 Pearl 2009，并将在下一节中进行讨论。

5. 结构方程、有向图和因果关系的可操纵性

最近关于因果关系的大量研究使用方程系统和有向图来表示因果关系。朱迪亚·珀尔（例如，珀尔 2009）是这种方法的一个有影响力的例子。他的工作生动地说明了操纵主义框架在指定如何给予这些系统因果解释方面的启发性用途。珀尔通过参考因果机制的原始概念来表征干预的概念。功能因果模型是一个方程系统 Xi=F(Pai,Ui)，其中 Pai 代表明确包括在模型中的 Xi 的父母或直接原因，Ui 代表总结所有排除变量影响的误差变量。每个方程代表一个独立的因果机制，被理解为在计量经济学中使用的“自主”意义上；这大致意味着可以干预或干扰每个机制（和相应的方程），而不会干扰其他任何机制。最简单的干预类型是将某个变量 Xi 设置为某个特定值 xi，用珀尔的话说，这相当于

将 Xi 从旧的功能机制 Xi=Fi(Pai,Ui)的影响中解放出来，并将其置于一个设定值 xi 的新机制的影响下，同时保持所有其他机制不受干扰。(Pearl 2009: 70; 我稍微改变了符号)

换句话说，干预完全破坏了 Xi 与其父节点之间的关系，使得 Xi 的值完全由干预决定。此外，这种干预是外科手术式的，即系统中没有其他因果关系发生变化。形式上，这相当于用一个新方程 Xi=xi 取代控制 Xi 的方程，在所有出现 Xi 的方程中用这个新值替换 Xi，但保持其他方程本身不变。在因果关系的图形表示中（见下文），对变量 Xi 进行这种干预会打破或移除指向 Xi 的所有其他箭头，使得 Xi 的值现在完全由干预确定。Pearl 的假设是，在这种干预下发生值变化的其他变量只会在它们是 Xi 的效应时才会发生。

再次，如果我们想要使用干预这个概念来阐明 X 导致 Y 是什么，自然而然地会转向反事实的表述，因为对于 X 是否导致 Y 而言，重要的是如果上述干预发生在 X 上会发生什么。遵循已经确立的用法，我将称这样的反事实为，其前提对应于关于干预的主张的反事实。这些反事实（在某种解释下，也许不一定涉及 Pearl 特定的干预概念）似乎最适合制定一个因果关系的可操纵性理论。

这种反事实表述的需要引发了几个问题，将在下文中更详细地探讨。首先，应该如何理解（对于所讨论的反事实的适当解释或语义是什么）这些问题？在不详细回答这个问题的情况下，似乎可以认为，如果干预主义反事实在阐明因果主张方面是有用的，那么它们的语义必须在某些方面与熟悉的 Lewis/Stalnaker 可能世界语义有所不同，正如 Woodward（2003）、Briggs（2012）和 Fine（2012）所主张的那样。例如，在 Lewis/Stalnaker 语义中，具有逻辑上或形而上不可能的前提的反事实总是空洞地真实，但是如果有可能与这些反事实相关联的因果主张，我们不希望它们自动成立。

一个第二个不同之处在于，一个干预主义的反事实形式“如果一个干预设定为 X=x，那么 Y=y”最自然地被理解为要求其真实性的是_所有_这样的干预（或者至少是在感兴趣的因果模型所认为成立的背景条件下的所有这样的干预）都会导致 Y=y。这就导致了例如，对于 Lewis/Stalnaker 语义中成立的“强中心化”，在干预主义反事实中_不_成立。根据强中心化，实际世界与任何其他可能世界相比更类似于自身。因此，如果实际世界中同时成立 p 和 q，那么“反事实”（即虚拟条件句）“如果 p 成立，q 就成立”就自动成立。作为这种差异的例证，假设 X 和 Y 遵循以下干预支持的功能关系：当且仅当 X=1.5 时，Y=3。假设在实际世界中，X=1.5，Y=3。现在考虑反事实 C：如果 1 < X<3，则 Y=3。在强中心化的假设下，与 C 的前提为真的最接近实际世界的世界是 X=1.5 的实际世界。在这个世界中，Y=3，所以 C 成立。相比之下，在干预主义解释下，C 是错误的，因为在 1 和 3 之间的 X 值除了 1.5 之外不会导致 3。可以说，干预主义对 C 的判断（以及相关的因果主张“X 在 1 和 3 之间导致 Y=3”是错误的观点。干预主义反事实与 Lewis/Stalnaker 语义之间的其他几个差异将在下文中指出。

一个与刚才描述的问题相关的第二个一般问题涉及干预是否必须是“可能的”，以及这对相关因果主张的真实性有何影响。回到上文所述的与 Pearl 相关的干预概念，注意这个概念并未说明是否存在实际的甚至可能的因果因素可以实现 Pearl 所描述的外科手术修改。我们可以将这样的干预表示为通过指向被干预的变量 Xi 的箭头 I，该箭头会打破所有指向 Xi 的其他箭头（Pearl 有时使用这种表示），但是 I 变量和这个箭头似乎都是可有可无的。我们可以反而将 Xi 看作是以上述打破箭头或等式替换的方式设置为一些新值，而对何时可以进行这种设置操作没有进一步的限制（或者何时可以调用它是合法的或者正当的）。我将称之为_设置干预_。这与另一种干预概念及其与因果主张的联系的替代构想形成对比，根据这种构想，“X 导致 Y”这样的主张的真实性要求对 X 的干预在某种非平凡意义上是“可能的”，然后必须对此进行具体说明。（换句话说，“X 导致 Y”的真实性要求在 X 的干预下 Y 发生变化_并且_这种干预是可能的。）当施加这种可能性条件时，我会说我们正在使用_可能性受限_的干预概念。使用这种概念引发了一个困难的问题，即应如何理解相关的可能性概念。我将在下文中建议，理解这个概念的最佳方式是通过某种概念上的概念性或数学性（或者如果你愿意的话，“形而上学”）一致性——粗略地说，问题是是否存在一个适当以经验为基础的理论/数学装置，允许对所讨论的可能干预进行一致的描述，并允许我们确定如果干预实现会发生什么。在某些情况下（见下文），即使所讨论的干预可能并非物理上可能，这样的描述也可能是可用的。认识到关于这种可能性概念的清晰性的明显担忧（在我看来，这种担忧应该得到这种概念的辩护者的承认），有人可能认为，在制定干预主义观点时，始终使用设置概念可能更可取。然而，正如我们将看到的，用“可能性受限”概念来表述具有吸引力的特征（它们似乎更能更好地捕捉某些因果主张的真实条件），许多作者似乎依赖这种构想。

返回珍珠，并按照他的框架，让我们用“do”运算符(do(X=x0)，或更简单地说，dox0)来表示通过干预将 X 的值设置为某个特定值 x0 的命题。重要的是要理解，基于 X 的值被设置为 x0 的信息进行条件概率推断通常与基于 X 的值被观察到为 x0 的信息进行条件概率推断大不相同(参见 Meek 和 Glymour 1994；Pearl 2009)。例如，在 X 和 Y 是共同原因 Z 的联合效应的情况下，并且 X 不导致 Y 时，P(Y/X=x0)≠P(Y)；也就是说，Y 和 X 不是独立的。然而，P(Y/do(X=x0)=P(Y)；也就是说，如果 X 的值由干预设定，那么 Y 将独立于 X。这是因为对 X 的干预将打破从 Z 到 X 的因果连接，因此在未受干扰的系统中由 Z 产生的 Y 和 X 之间的概率依赖关系在干预发生后将不再存在。通过这种方式，我们可以捕捉门兹斯和普莱斯的观点，即如果 X 的相关性与 Y 在 X 的正确操纵下会持续存在，那么 X 导致 Y。

这个框架允许对各种因果概念进行简单定义。例如，Pearl 将 X 对 Y 的“因果效应”与 X 的特定值 x 的“实现”相关联定义为：

(C)P(Y∣dox)

也就是说，作为在将 X 的值设置为 x 的干预下 Y 将会呈现的分布。再次，显而易见，这是因果关系的一个反事实解释版本。

这种方法的许多吸引之一在于，它提供了一个非常自然的解释，即如何对所谓的因果建模文献中使用的方程系统进行因果解释。例如，如果一个线性回归方程 Y=aX+U 提出了一个因果性主张，那么应该理解为它声称，如果发生了一个干预，设置了 X=x0 在情况 U=u0 下的值，那么 Y 的值将是 y=ax0+u0，或者换句话说，改变 X 量为 dx 的干预将使 Y 改变 adx。再举一个例子，考虑方程组

(1)Y=aX+U
(2)Z=bX+cY+V

我们可以重写如下：

(1)Y=aX+U
(3)Z=dX+W

在这里，d=b+ac，W=cU+V。由于（3）是通过将（1）代入（2）中获得的，系统（1）-（2）在 X、Y 和 Z 方面与系统（1）-（3）完全具有相同的解。由于 X、Y 和 Z 是唯一的测量变量，（1）-（2）和（1）-（3）在观察上等效，因为它们暗示或代表了关于测量变量之间获得的相关模式的完全相同的事实。尽管如此，这两个系统对应不同的因果结构。（1）-（2）表示 X 是 Y 的直接原因，X 和 Y 是 Z 的直接原因。相比之下，（1）-（3）表示 X 是 Y 的直接原因，X 是 Z 的直接原因，但没有提及 Y 和 Z 之间的因果关系。我们可以在上述干预/操纵框架内解释这种差异——（2）声称对 Y 的干预会改变 Z，而（1）-（3）否认了这一点。（请记住，对 Y 进行关于 Z 的干预不得与 X 等 Z 的任何其他原因相关，并且会打破 X 和 Y 之间的任何因果关系。）因此，尽管这两个方程系统在迄今为止观察到的相关性方面达成一致，但它们在对 Y 进行干预后会发生什么方面存在分歧。根据因果关系的干预/操纵解释，能够正确预测这种反事实情况的系统才能正确地代表因果事实。

一个可能的限制是对设置干预概念的范围的要求（或至少是 Pearl 对其的表征）涉及对 Xi 进行干预的要求，除了之前确定 Xi 值的机制之外，必须保持所有其他机制的完整性。如果我们理解 Pearl 的意图是包括对 Xi 进行干预必须保持与其可能影响 Y 相连的因果机制的要求，那么至少在我们想要使用干预概念来描述 Xi 如何导致 Y 时，一个明显的担忧就会出现循环性。一个密切相关的问题是，鉴于 Pearl 如何表征干预概念，他对 X 对 Y 的因果效应的定义 (C) 似乎并不是 X=x 单独对 Y 产生的因果贡献，而是这种贡献以及除 X 之外的 Y 的其他原因对 Y 值的贡献的综合影响。例如，在回归方程 Y=aX+U 的情况下，Pearl 对 X=x 对 Y 的因果效应显然是 P(Y)=ax+U，而不是人们可能期望的只是 ax。出于这些原因的部分原因（以及下面描述的其他原因），Woodward（2003 年）和 Woodward 和 Hitchcock（2003 年）探讨了一种不涉及干预变量与其影响之间关系的干预概念的不同方式。对于 Woodward 和 Hitchcock，与 Pearl 相反，对变量 X 进行的干预 I 总是相对于第二个变量 Y 进行定义（意图是使用对 X 相对于 Y 的干预概念来描述 X 导致 Y 的情况）。这样的干预 I 必须满足以下要求(M1–M4)：

(M1)I 必须是 X 的唯一原因；即，与 Pearl 一样，干预必须完全破坏 X 与其先前原因之间的因果关系，以便 X 的值完全由 I 设定。
（M2）我不得通过不经过 X 的路径直接导致 Y，就像安慰剂的例子一样，
（M3）我本身不应该被任何通过不经过 X 的路径影响 Y 的原因所导致，和
(M4)I 保持 Y 的任何原因所取的值不变，除非这些原因在从 I 到 X 到 Y 的有向路径上（如果存在的话）。

这种表征明确提到了干预变量 I 必须满足的条件。尽管可能不是强制性的，关于这样一个 I 何时可能以及我们如何理解相关干预反事实的前提条件（“如果一个满足 (M1)–(M4) 的干预在 X 上发生，…”）的问题因此在这种表征中自然而然地出现，或者至少我将在接下来的内容中假设如此。

将这些关于可能性的问题放在一边，与 (M1)–(M4) 相关的框架中定义因果效应概念的最自然方式是根据 X 的值的变化或差异对 Y 的值造成的_差异_。(这实际上也是 Rubin 1974 年采纳的因果效应定义。以这种方式关注差异使我们能够将 X 单独对 Y 的贡献与 Y 的其他原因对 Y 的贡献分离开来。此外，由于在非线性情况下，由 X 值的变化引起的 Y 值的变化将取决于 Y 的其他原因的值，因此似乎可以得出因果效应概念必须相对于包含有关这些其他值信息的背景上下文 Bi 的结论。在确定性背景下，因此我们可以将在情况 Bi 下从 X=x 到 X=x′的值的变化对 Y 的因果效应定义为：

(CD)Ydox,Bi−Ydox′,Bi

也就是说，作为在情况 Bi 下将 X=x 设定为干预时 Y 将采取的值与在 Bi 中将 X=x′设定为干预时 Y 将采取的值之间的差异，其中干预的概念现在是根据 (M1)–(M4) 来理解的，而不是 Pearl 建议的方式。在非确定性环境中，因果效应的表征就不那么直接了，但一个自然的建议是用期望值来定义这个概念：如果我们让 EPdox,Bi(Y)表示根据概率分布 P，通过干预将 X 设置为 X=x 时 Y 的期望值，那么从 X=x′′到 X=x 的变化对 Y 的因果效应可以定义为：EPdox,Bi(Y)−EPdox′,Bi(Y)。

本节不会试图在关于干预和因果效应的最佳表征方式方面进行裁决。相反，我们对它们所体现的一般策略做以下评论。首先注意，当按照上述任一方式理解干预的概念时，干预的概念在某种意义上是一个明确的因果概念，因为因果概念是其表征所必需的——因此，这些提议各自谈到在 X 上的干预会打破 X 与其原因之间的因果联系，同时保持其他因果机制不变，或者不通过不经过 X 的因果路径影响 Y。这立即导致一个结论，即不能使用干预的概念将因果主张归约为非因果主张。此外，只要在任何令人满意的可操纵性理论版本中不可避免地依赖某种干预的概念，任何这样的理论必须是非还原主义的。实际上，我们现在可以看到，指责可操纵性理论存在循环论证的批评者在一个重要意义上低估了他们的论点：可操纵性理论不仅在明显意义上是“循环”的，即对于一个动作或事件 I 来说，要构成对变量 X 的干预，I 和 X 之间必须存在因果关系，而且还必须满足其他一些因果条件。

6. 循环性是一个问题吗？

假设我们同意，任何一个可操作性理论的合理版本都必须利用干预的概念，并且这必须用因果术语来描述。这种“循环性”是否会使这样的理论变得琐碎和无启发性？有人认为并非如此，至少有两个原因。首先，像 Woodward（2003）这样的作者认为，在描述过程 I 何时符合 X 的干预条件以便描述 X 如何导致 Y 时，我们可能不需要利用 X 和 Y 之间的因果关系等信息。相反，我们可能只需要利用_其他_类型的因果信息，例如关于 I 和 Y 之间的因果关系，或者关于 I 是否由导致 Y 而不导致 X 的原因导致，就像上面的 (M1)–(M4) 中所述。在这种情况下，我们可以使用关于因果关系的一组主张（例如，X 已经以满足干预条件的方式发生了变化）以及相关信息（在这种变化下，X 和 Y 仍然相关）来描述不同关系（X 和 Y 之间的关系）的因果性质。这并不意味着将因果谈话简化为非因果谈话，但也不是恶性循环，因为它并不预设我们已经对我们试图描述的关系具有因果信息。认为必须以刚描述的方式之一来描述干预概念的一个原因是，我们有时确实通过进行实验来了解因果关系——如果要描述 X 的干预概念，我们必须参考 X 及其效应之间的因果关系，那么很难看出这是如何可能的。

一个相关的观点是，即使因果关系的可操纵性解释是非简约的，它们也可能与其他因果关系解释产生_冲突_，导致在特定情况下形成不同的因果判断。举个例子，考虑一个沿着 (CD) 的简单版本的可操纵性解释，根据这个解释，X 导致（对 Y 产生因果效应）的一个充分条件是，通过干预产生的 X 值的变化与 Y 值的变化相关联（在感兴趣的背景环境中）。这样的解释意味着遗漏（例如，园丁未给植物浇水）可以成为原因（例如，导致植物死亡），因为在干预下园丁是否浇水的变化与衡量植物是否死亡的变量值的变化相关联。出于类似的原因，涉及“双重预防”（Hall 2000）或“断开引起的因果关系”（Schaffer 2000）的关系在干预主义解释中被视为真正的因果关系。相比之下，考虑一下根据 Salmon 1984、Dowe 2000 的_因果过程_理论的简单版本对这些案例的裁决，根据这个理论，导致一个值 X 的特定实例 x 导致一个值 Y 的特定实例 y 的一个必要条件是存在一个连接 x 和 y 的时空连续过程，涉及能量、动量或其他守恒量的转移。根据这样的理论，“遗漏”或“双重预防”引起的“因果关系”不符合真正的因果关系。同样，如果牛顿引力理论的“远距作用”版本被证明是正确的，那么这将是一种根据干预主义因果关系解释描述真正因果关系的理论，但不符合因果过程解释。无论一个人认为根据因果过程解释还是根据干预主义解释对这些案例的裁决更具有防御性，这些解释导致不一致判断的事实表明，尽管它们具有“循环”的非简约特性，干预主义方法并不是微不足道或空洞的。

7. 因果概念的多元性

一种不必认为依赖干预概念会引入恶性循环的第二方面是：到目前为止，我一直在遵循门兹斯和普莱斯的假设，即我们正在尝试分析的只是一个因果概念或表述（A 导致 B，其中 A 和 B 是事件类型）。但实际上有许多这样的概念。例如，在属于所谓类型因果概念家族的因果概念中（即涉及事件类型或变量的因果性主张），需要区分我们可以称之为关于总因或净因的主张和关于直接因的主张。即使干预概念预设了某种因果概念，比如某种类型因果的概念，我们可能也可以用它来表征其他因果概念。

作为说明，考虑以下方程式和相关有向图所代表的因果结构

YZ=aX+cZ=bX

在这个结构中，从 X 到 Y 有两条不同的因果路径——一条是直接的因果关系，另一条是通过 Z 作为中间变量的间接关系。如果 a=−bc，沿着这两条路径会发生抵消。这意味着对 X 的任何干预都不会改变 Y 的值。在一个自然意义上，这似乎意味着 X 不会导致 Y，假设 X 导致 Y 的一个必要条件是对 X 的某些干预与 Y 值的变化相关联，这似乎是对 CD 的明显延伸所暗示的。然而，在另一个自然意义上， X 似乎确实是一个原因——实际上是一个直接原因——导致 Y。我们可以通过区分两种因果主张来解决这种明显的不一致性（有关相关区分，请参见 Hitchcock 2001b）——主张 X 是 Y 的总体或净原因，这由 (C*) 捕捉到，以及主张 X 是 Y 的直接原因，这是按照以下方式理解的：如果且仅如果在某些改变 X 值的干预下，当系统中除 X 和 Y 之外的所有其他变量（包括那些在从 X 到 Y 的某些因果路径上的变量）保持固定在某个值，也是通过干预固定的。（有关沿着这些线路的直接因果关系的相关但不同的表征，请参见 Pearl 2009 和 Woodward 2003。）固定其他变量的值意味着这些值中的每一个都是通过彼此独立的干预固定的，这些干预与改变 X 值的干预以及彼此独立。干预固定这些变量的值的效果是，每个干预的变量与其原因（包括 X）断开连接。在讨论的例子中， X 符合 Y 的直接原因，因为如果我们以一种方式固定 Z 的值，使其与 X 的值断开连接，然后干预改变 X 的值， Y 的值将会改变。这个想法可以推广为提供沿着因果路径的“贡献”因果关系的表征，即捕捉 X 作为通过 Z 的路径间接导致 Y 的意义（Woodward 2003）。

到目前为止，我们的重点一直放在各种类型的因果主张上。文献中还有许多提供干预式处理的特定或实际原因主张的提议（这些与事件 X 的特定取值导致 Y 的特定取值有关，比如声称琼斯吸烟导致了他的肺癌），包括涉及各种形式的先决条件和过度决定（例如，Halpern 和 Pearl 2005a，b；Hitchcock 2001a；Woodward 2003；Hitchcock 2007a；Hall 2007；Glymour 和 Wimberly 2007；Halpern 和 Hitchcock 2015；Halpern 2016；Weslake 2013【其他互联网资源】）。考虑到空间的限制，详细描述被排除在外，但已经探讨过的一种策略是诉诸于对干预的组合会导致的效应的发生。举例来说，考虑一个因果先决条件的标准案例：持枪者一开枪（s1）射击受害者，导致他的死亡 d，而持枪者二没有开枪，但如果 s1 没有发生，他也会开枪（s2），也导致 d。如果我们通过干预固定持枪者二的行为为其实际值（他不开枪），那么一个独立的干预会改变持枪者一是否开枪，从而确定 s1 是 d 的实际原因，尽管 d 和 s1 之间没有（通常类型的）反事实依赖关系。沿着这些线路的解释能够处理一些（尽管不是全部；有关详细信息，请参阅 Hitchcock 2007a）其他对令牌因果处理的标准反例。

值得补充的是，尽管这种对干预组合的诉求可能看起来有些人为，但它以直观的方式映射到标准实验程序。考虑一种遗传冗余的情况——基因复合物 G1 参与导致表型特征 P，但如果 G1 被失活，另一个基因复合物 G2（当 G1 活跃时处于非活跃状态）将变为活跃并导致 P。遗传学家可以通过首先对 G2 进行干预，使其固定在值=非活跃，然后干预变化 G1 并观察 P 是否相应变化来测试这种可能性。其次，调查人员可以干预使 G1 失活，然后独立于此干预改变 G2 并观察 P 是否发生变化。正如这个例子所说明的，我们可以考虑不同的复杂因果结构，其中存在多条路径、冗余、取消等，这些结构编码了关于在各种可能的干预组合下会发生什么的不同主张。

因此，即使“操纵主义”或“干预主义”框架不能将因果谈话简化为非因果谈话，它仍然提供了一种自然的方式来区分许多不同的因果概念，并展示它们之间的相互关系。更一般地说，即使因果关系的操纵主义解释不能简化，而是简单地将“因果关系”（或更好地说，各种更具体的因果概念）与同一领域内的其他概念联系起来，我们仍然面临许多关于如何阐明这一领域上的概念以及彼此之间如何联系的非平凡选择。例如，如何描述干预的概念以避免像门兹斯和普莱斯那样的操纵理论版本的各种反例并不明显。部分原因是操纵/干预的概念具有有趣且复杂的精细结构——这种结构在传统的操纵理论中基本上没有被探讨——因此，研究因果关系和操纵之间的联系变得有趣且非平凡，而不是平庸和显而易见的。

8. 不涉及人类行为的干预

我们在上面指出，自由行动不必符合干预的条件，无论是在 §5 中描述的任何干预概念中。同样，一个过程或事件即使在任何时候都不涉及人类行动或意图，也可以被视为一种干预。这应该可以从干预概念的表述方式中看出，因为这完全是以因果和相关性概念来描述的，并没有涉及人类或其活动。换句话说，一个完全涉及没有任何有机体的“自然”过程只要具有正确类型的因果历史，就可以被视为一种干预，事实上，科学家经常将这种可能性描述为“自然实验”。此外，即使是人类进行的操纵，重要的是这些操纵的因果特征，而不是它们是由人类进行的，或者是自由的，或者伴随着特殊的代理体验。因此，通过放弃任何试图简化的尝试，并以因果术语来描述干预概念，4–5 和 7 中描述的这种“干预主义”方法避免了困扰可操纵性理论的第二个经典问题——人类中心主义和对人类行动特权地位的承诺。例如，在这种方法下，只要对于某个 X 的值，如果 X 通过具有正确类型因果特征的过程被更改为该值，Y 的值将会改变，那么 X 将被视为 Y 的（总体）原因。显然，即使人类没有能力操纵 X，甚至在一个人类不存在或不能存在的世界中，这种说法也可能成立。在可操纵性理论的干预主义版本中，没有任何东西会使我们相信所有因果断言在某种程度上都取决于人类的存在，或者涉及将我们对代理体验投射到世界上的观点。

9. 干预和反事实条件

我们上面指出，操纵性理论的干预主义版本是反事实理论。这些理论与戴维·刘易斯理论等更为熟悉的反事实理论之间的关系是什么？刘易斯的理论是关于一个个体标记事件导致另一个事件的解释，而正如上文所解释的，干预主义处理的版本适用于不同类型的因果主张以及标记因果主张。但是，如果我们抽象出这一点，这两种方法之间既有重要的相似之处，也有重要的不同之处。正如熟悉刘易斯的读者所知，任何反事实理论都必须解释当我们评估一个反事实的前提不符合实际世界时，我们应该设想什么是改变的，什么是固定的。在刘易斯的框架内，这是反事实的前提在哪些世界中是“最接近”或“最相似”于实际世界的问题。刘易斯对这个问题的回答涉及一个“相似性”排序，该排序对评估整体相似性中各种相似之处的重要性进行排名。例如，避免多样化、广泛的法律违规被认为是最重要的考虑因素，保持特定事实在可能的最大时空区域内的完全匹配次之重要，比避免小范围的法律违规更为重要，依此类推。众所周知，这种相似性排序的效果是，在大多数情况下，排除所谓的“回溯”反事实（例如，在某些原因的效果没有发生的情况下，原因就不会发生的推理中涉及的那种反事实）。当一个反事实的前提不符合实际世界时，刘易斯的相似性度量通常会让我们（至少在确定性背景下）认为该前提是通过一个“小”奇迹变为真的。

干预概念在因果关系的可操纵性理论中扮演着某种（但仅仅是某种）类似于 Lewis 的相似性排序的角色。与 Lewis 的排序类似，干预的表征告诉我们在评估与阐明因果主张相关的反事实时应当设想为何改变以及应当保持不变的内容。例如，在 Pearl 对干预的理解中，在评估干预反事实时，我们应考虑这样一种情况：“如果通过干预将 X 设定为某个值，Y 的值将会如此”，在这种情况下，我们应考虑一个先前存在的 X 与其原因之间的因果关系被破坏，但兴趣系统中的所有其他因果关系保持不变。稍加思考就会发现，与 Lewis 的描述一样，Pearl 的（在其设定版本中）和用 M1-M4 来表征干预的规则都排除了回溯反事实—例如，在评估“如果发生改变 E 的干预（其中 E 是 C 的结果），那么 C 将会改变”的反事实时，Pearl 认为我们应考虑这样一种情况，即 E 与其原因之间的关系（在这种情况下是 C）被破坏，但所有其他因果关系保持不变，以便 C 仍然发生，上述反事实是错误的，这也是应该的。此外，Lewis 认为用“奇迹”使前提成立的适当反事实经常用于分析因果关系的想法与干预的概念之间存在明显的相似性，干预被视为破坏了先前负责因果事件 C 的机制的外生变化，这两个概念的作用是为 C 提供一种“独立的因果历史”（回想 Menzies 和 Price），使我们能够区分 C 对 E 的影响（如果有的话）与其他“混杂”变量对 E 的影响。从这个角度看，人们可能认为干预主义对因果关系的处理解释了为什么 Lewis 的描述，以其看似有些_临时_的相似性排序，能够如此有效地运作—Lewis 的描述之所以有效，是因为他的相似性排序大致确定了那些在干预下稳定的关系，因此可用于操纵和控制的目的，并且正如操纵性理论所声称的那样，正是这些关系是因果关系。

正如上文所述，然而，这并_不_意味着这两种方法是相同的，或者总是产生相同的特定因果和反事实主张的评估。一个中心区别在于，刘易斯的观点是一种雄心勃勃的还原主义——构成他相似性度量的要素（避免大奇迹，特定事实的完美匹配等）（至少在官方上）是用非因果、非模态术语来表征的。相比之下，如前所述，干预的概念以及由此产生的评估反事实的标准是用因果术语来表征的，因此所得到的观点是非还原主义的。

还有其他差异，其中一些差异在 Briggs（2012）的一篇重要论文中得到了探讨。我们已经指出，在刘易斯的语义中，强中心性成立，但对于具有干预主义解释的反事实并非如此。此外，从（i）“如果 p 或 q 为真，则 r 为真”推导到（ii）“如果 p 为真，则 r 为真”在刘易斯的语义中是无效的，但如果这些反事实被赋予干预主义解释则是有效的（Briggs 2012；Fine 2012）。非常粗略地说，这是因为在干预主义框架内，（i）被解释为声称对于其前提的任何实现-- 无论是_p_还是_q_-- 都将导致_r_。可以争论的是，在这些情况下，干预主义解释提供的评估是正确的，假设我们想要捕捉的是那些在因果解释方面行为适当的反事实。此外，Woodward 2003 描述了几个具体例子，这些例子中这两种方法在判断哪些因果关系存在以及干预主义方法似乎更为令人满意方面存在分歧。

10. 可能和不可能的干预

在上文考虑的可操纵性理论版本中，因果关系的主张是通过关于干预下会发生什么的反事实来阐明的。正如我们所看到的，干预的概念应当在没有涉及人类行为的情况下理解，这使得可以制定一个适用于人类操纵不是实际可能性的情况下的因果关系主张的可操纵性理论。

然而，正如已经提到的，关于这个框架能够在干预“不可能”的其他情况下得到多大程度扩展的有趣问题。这些也说明了在将干预视为设定或者用 M1-M4 的术语，或者作为可能性受限的情况之间的一些额外差异。考虑（据推测为真的）因果主张 (G)：

(G)月球的引力吸引引起了潮汐的运动。

在 Pearl 的框架内，并利用设置干预的概念，可以提出这样的论点：至少在我们假设（如前所述）相关的设置操作始终是“可能的”或合法的情况下，捕捉像（G）这样的主张就没有问题：我们只需想象通过设置干预将月球的引力吸引力设置为某个不同的值（我们不需要指定这是如何发生的——无论是月球的质量还是其与地球的距离等是否不同），然后通过应用牛顿引力理论指出，潮汐的运动将会有所不同。

相反，假设我们要求干预在某种更具挑战性的意义上是“可能的”（也就是说，我们采用了一种受限制的可能性干预概念），并考虑以下形式的反事实情况：“如果发生了一个符合 M1–M4 的干预，将月球的引力吸引力设置为不同的值，那么…”。很可能不存在任何物理上可能的过程符合干预月球位置与潮汐有关的条件 M1–M4——所有可能改变月球施加的引力的过程可能都不够“精确”。例如，很可能任何一个通过改变其他某个大物体的位置来改变月球位置的可能过程，都会对潮汐产生独立影响，违反了干预条件 (M2)。Woodward（2003）认为，尽管如此，我们仍然可以在牛顿力学和引力理论本身中找到一个有原则的基础，来回答如果这样一个精确的干预发生会发生什么的问题，并且这足以证明因果主张 G。在这种看法中，关键不在于相关反事实的前提是否在法理上或物理上可能，而在于我们是否拥有基于科学理论和相应数学的可靠回答在这些前提下会发生什么的问题。只要情况如此，我们就将干预视为“可能”。这种干预应该与在逻辑上、概念上或数学上不一致或不连贯的干预区分开来（有关额外示例，请参见下文）。

11. 干预主义观点的范围

一个关于干预主义观点可能合法或有益地适用的情境是“宇宙学”声明，其中基本物理理论被理解为适用于整个宇宙。考虑以下声明

（4）整个宇宙在时间 t 的状态 St 导致了整个宇宙在时间 t+d 的状态 St+d，其中 St 和 St+d 是根据某些基本物理理论的规范。

在干预主义解释中，(4) 被解释为这样一种说法，即在改变 St 的某种可能干预下，将会导致 St+d 的相关变化。这引发了一个担忧，即不清楚这种干预将涉及什么（考虑到除了 St 之外没有其他可能实现干预的因素），也不清楚如何评估如果发生这种干预会发生什么，鉴于 St 是整个宇宙状态的规范。

评论这样一个例子时，Pearl 写道：

如果你希望在模型中包含整个宇宙，因果关系就会消失，因为干预消失了——操纵者和被操纵者失去了区别。(2009: 419-20)

请注意，这里 Pearl 似乎提出了一种干预概念，与纯设置概念不同（并且更强）。毕竟，正如 Reutlinger（2012）所指出的，可以争论地认为，在想象宇宙在 St 时刻设定为某个不同的值，然后通过参考规定其演变的法则来确定在 St+1 时刻的状态并没有问题。Pearl 的言论似乎假定，想象中的干预必须满足某种额外的约束（与实现干预的可能性有关）。Pearl 的说法是有争议的——Hitchcock 2007b 和 Woodward 2007 对此持有同情态度，但其他作家如 Reutlinger 2012 对此持批评态度。

我们将不会在这里解决围绕 Pearl 这一特定主张的问题，但有一个相关且更一般的问题涉及干预主义对物理学中因果断言地位的影响，即使在宇宙学背景之外，这也值得讨论。回到通过纯设置干预概念阐明因果断言与通过参考满足一些进一步非平凡约束的干预来阐明它们之间的对比。考虑这样的情况：根据一个物理定律，Y 和 X 之间存在反事实依赖关系，但对 X 的干预在某种适当相关的意义上是不可能的。纯设置处理可能会得出这样的关系是因果关系的结论，而依赖于可能性受限的干预概念的解释则不会。

在 Woodward (2016)中讨论了两个可能的例证。广义相对论的场方程描述了应力能量张量和时空度规之间的合法或法则关系。通过将前者设置为不同的值（通过指定初始和边界条件），可以计算出相关的后者的不同值。然而，人们可能怀疑，将场方程描述为应力能量张量和度规之间的_因果_关系是否合适。有人认为，一个受限制的干预主义解释支持这一判断：指定应力能量张量需要参考度规，以一种使得对前者进行干预违反了 M1–M4 的条件的方式。基于这些理由，人们可能得出结论，尽管应力能量张量的状态与度规之间存在法定依赖关系，但这种关系并非因果关系。采用一种设置干预的概念似乎得出了相反的结论。

作为第二个例子，在 EPR 型实验中纠缠粒子的自旋通过守恒定律合法相关。有人认为（参见 Skyrms 1984; Butterfield 1992），许多标准的哲学理论，包括规律性和 Lewis 风格的反事实理论将这种关系视为因果关系，而一个干预主义理论的设置版本似乎暗示了类似的结论。相比之下，各种无信号定理通常被解释为暗示不可能既对分离的自旋设置之一进行干预，又利用两个设置之间的关系来操纵另一个设置。在这种情况下，一个受限制的干预主义版本可以判断不存在因果关系。尽管这个问题在哲学家中颇有争议，但大多数物理学家同意这种非因果性的判断。

这两个例子说明了在物理学背景下设置和可能性受限版本的干预主义的不同含义，以及后者的框架需要的不仅仅是存在一个规范上充分的条件或基于法律的反事实依赖来进行因果关系。更一般地，如果有人认为，正如许多物理学家和一些物理学家所认为的那样，因果概念并不适用，至少不是以任何直接的方式适用于一些或许多基础物理学背景，那么这可能是支持一种施加非平凡可能性约束的干预主义版本的考虑，因为它可能被用来支持这种判断。相比之下，设置版本的干预主义将倾向于在物理学中找到因果关系，无论何时存在规范依赖。

最近关于基础物理学是否具有因果关系以及干预主义框架对物理学中因果断言地位的意味有了相当多的讨论。Price 和 Corry 2007 年的一些论文（Price 2007; Hitchcock 2007b; Woodward 2007）在一定程度上表达了对因果观念在物理学部分中适用性的怀疑，部分基于干预主义考虑。相比之下，Frisch（2014）坚决主张许多物理理论，至少在古典物理学中，如古典电磁学，广泛使用因果概念，并且相关的因果概念被干预主义框架和相关技术思想（如结构方程和有向图）所捕捉。他认为，像 Price、Hitchcock 和 Woodward（在他的 2007 年论文中，但请参阅他 2016 年的更细致观点）这样的作者低估了干预主义对因果关系概念在这些背景下的适用程度。当然，与 Frisch 和其他作者的观点一致，可以一贯地认为，沿着受限可能性干预主义线理解的因果概念在许多物理领域中是重要的，但也有其他物理理论不能被有益地解释为提出因果断言，无论是沿着干预主义还是其他线理解。无论如何，干预主义理论的范围以及它们对基础物理学中因果断言的意义是一个重要且目前尚未解决的问题。

12. 因果关系与可操纵性的逻辑、概念或形而上学原因下不可操纵的（所谓）原因

一些统计学家（例如 Holland 1986；Rubin 1986），以及持类似观点的流行病学家（例如 Hernan 和 Taubman 2008），他们主张用基于操纵的思想来处理因果关系的治疗（在这种情况下是基于“潜在结果”理论），认为涉及原则上不可操纵的原因的因果断言是有缺陷的或缺乏明确含义——他们认为这个结论直接源自操纵主义对因果关系的处理。什么是不可操纵的原因并不十分清楚，但这些作者所指的并不是作为实际问题无法操纵的候选原因，而是我们缺乏任何明确概念来操纵它们或评估在这种操纵下会发生什么的候选原因，或者缺乏任何基础来评估在这种操纵下会发生什么的候选原因——在这些情况下，操纵似乎“不可能”是因为概念上或（如果你愿意的话）是因为“形而上学”原因。提出的例子包括种族、属于特定物种和性别等候选原因。在这种联系中讨论的其他例子涉及这样的情况，即对于“操纵”候选原因，人们可能会有许多不同的理解，导致不同的结果，因此从操纵主义或干预主义的角度来看，相关声明是不清楚或模棱两可的。所有这些情况与上述 (G) 的情况形成对比，那里操纵月球轨道的概念似乎是非常清晰和明确定义的，问题仅仅是世界恰好安排成这样一种方式，使得产生这种变化的干预在物理上是不可能的。

一个对所讨论立场的同情重建可能如下所述。根据因果关系干预主义的观点，原因（无论我们将其视为事件、事件类型、属性、事实还是其他什么）必须能够通过_变量_来表示——这至少意味着原因必须能够改变或假定不同的值，无论这些值被分配给什么对象、单位或系统，就像同一粒子可以处于由位置变量 P 指定的位置 p1，或者处于某个替代位置 p2 一样。如果我们要有一个明确定义的操纵候选原因的概念以及对于如果以某种方式操纵原因会发生什么的反事实查询的明确定义答案，那么这是必需的——这些问题对于任何一种名副其实的可操纵性理论都是至关重要的。然而，对于一些被认为是原因的事物，可能没有明确定义的改变或值的变化概念，如果是这样，可操纵性理论将不将其视为真正的原因。例如，假设我们缺乏对于某物存在但非物理的概念的一致性理解。那么，就不会有明确定义的干预来改变某物是还是不是物理对象的概念，而且成为物理对象将不会是一个可以作为原因的因素或属性。（当然，这并不排除有关所有物理对象的真实甚至可能是合法的概括。）例如，尽管据我们所知，这是一个自然法则，

*（L）没有物理对象可以从小于光速的速度加速到大于光速的速度，

(L)根据这个可操纵性理论版本，不是一个_因果_概括：作为一个物理对象并不是所讨论的无能力的原因。

此外，即使对于可以取多个值的变量，如果没有明确定义的_改变_该变量值的概念，那么干预或操纵的概念也将无法明确定义。假设我们引入一个取值为{lizard, kitten, raven}的变量“animal”。按照构造，这个变量有多个值，但是如果我们没有一个连贯的概念来改变乌鸦为蜥蜴或小猫，那么对于这个变量的干预概念将无法明确定义，作为动物（或乌鸦）也不会成为可操纵性理论中的_真正_原因。改变变量值的概念似乎涉及从变量的一个值到另一个值的改变的想法，在这种情况下，同一个系统或实体可以具有两个值，而这个概念似乎不适用于讨论中的情况。

请注意，就像在 §12 中考虑的一些例子一样，这个结论似乎_不_符合干预主义观点的纯设置解释。毕竟，可以建立一个方程 Y=X，其中候选变量 X 取值为 0 和 1，根据某个对象是小猫还是蜥蜴，候选效应变量 Y 取值为 0 和 1，根据该对象是温血还是冷血。然后，将 X 设置为 0 而不是 1 会改变 Y=0 或 1，如果这足以导致因果关系，那么是小猫而不是蜥蜴导致温暖而不是寒冷。如果有人认为这些因果主张存在缺陷或问题，那么在干预主义框架内，对于因果关系所需的概念需要比干预设置概念所建议的更丰富。类似的观点也适用于本节中描述的其他例子。

一些读者会认为，例如，成为乌鸦可能是某个特定生物体变黑的原因，成为小猫可能是温暖的原因等等，这在直觉上是显而易见的。如果像

(R)“乌鸦导致黑色”

如果这些命题是真实的，那么干预主义的设定版本相比于以可能性受限概念的干预表述来说将具有重要优势，前者而非后者能够捕捉到类似 (R) 的命题。相比之下，其他人会认为类似 (R) 的命题，即使不是错误的，至少也是不清晰和不明晰的，而以可能性受限版本的干预主义解释能够捕捉到这一点则是一个优势。持这种观点的人会认为类似 (R) 的命题应该被涉及到直接可操纵的原因所取代。例如，(R) 可能会被一个确定了导致乌鸦色素的基因因素和生物化学途径的命题所取代——这些因素和途径具有明确定义的操纵概念，如果它们被适当地操纵，就会导致色素的变化。像 Rubin 和 Holland 这样的理论家会认为，这样的替换比原始命题 (R) 更清晰和明晰。另一个说明用涉及可操纵原因的命题取代涉及不可操纵候选原因的命题可以澄清其含义的一般观念在操纵性理论在澄清因果命题中的作用中讨论。

13. 一些对干预主义观点的批评

除了经典的人性论和循环性的指控之外，还有许多其他批评被提出来反对干预主义观点。其中一个抱怨是干预主义观点（至少在我制定的方式中）诉诸反事实，并且反事实不能是“几乎正确”（通常这样说）：如果一个反事实是真的，那么这必须是由某个不是模态或反事实的“真理生成者”决定的。这样的真理生成者的标准候选者是自然的基本规律，或者也许是基本的物理/化学过程或机制。通常进一步的建议是，我们可以用这些真理生成者来解释因果关系的概念，而不是沿着干预主义的思路——例如，因果关系的概念（以及反事实的真值条件）可以用规律来解释（Hiddleston 2005）。因此，一旦我们考虑到这些反事实的真值条件，诉诸干预主义的反事实就不再是必要的。

这些主张引发了一系列问题，只能简要探讨。首先，让我们区分一下，为什么某些反事实主张是真实的提供普通科学解释，以及在上述意义上提供真实条件（或确定真实制造者），在这里，这些真实条件是用非情态、非反事实的术语来指定的。期望（i）每当某个宏观干预主义反事实是真实的时候，都会有一些更基本的科学解释为何它是真实的，这似乎是合理的，并且在科学实践中有很好的基础。相比之下，期望（ii）对于每个真实的反事实，都必须有一个可以用非情态、非反事实术语来描述的真实制造者，这是一个需要一些独立论证的形而上学信条；它并不仅仅是从（i）中得出的。假设这是真的

（5）如果患有疾病 D 的受试者通过药物 G 的干预来接受治疗，他们更有可能康复。

然后很有可能会有一些解释，这些解释可能现在已知或未知，解释为什么 (5) 从更基本的生物化学机制或物理/化学定律以及各种初始和边界条件来看是正确的。更不明显正确的是进一步的想法，即我们可以阐明这些基础机制/定律，而不诉诸反事实。当声称必须能够描述一个像 (5) 这样的反事实的真值生成者，而这个描述本身并不诉诸反事实或模态主张时，就会诉诸这一进一步的想法。这个想法的正确性并不仅仅因为在普通意义上解释 (5) 为真而得到保证；相反，它似乎取决于是否可以提供一个关于定律、机制等的还原主义解释，而这个解释不涉及模态原始概念——这是一个有待裁决的问题。[7]

最近南希·卡特赖特（例如，2001 年，2002 年）在几篇论文中提出了一种不同的批评观点。根据卡特赖特的观点，这些解释是“操作主义的”。经典的操作主义经常被批评为仅仅挑选出一种可能的程序来测试某个感兴趣的主张，并声称只有当该程序实际可执行时，该主张才有意义或只有真值。同样，卡特赖特抱怨说，干预主义的解释“忽视了设计其他衡量因果关系的方法的可能性”，并且还暗示这种解释会导致我们

在所有其他相关方面看起来相同的情况下，不要仅仅因为我们的测试无法应用于这些情况而排除【因果】概念。(2002: 422)

如果干预主义被表述为上述方式，这种批评似乎是不恰当的。干预主义的观点并不是仅当适当的干预实际上可以被执行时，因果概念才适用或有意义。也不是否认除了执行干预之外还有其他测试因果主张的方法。相反，干预主义认为，只要涉及到如果执行干预会发生什么的逆事实具有真值，因果主张就适用或具有真值。正如上文所解释的，干预主义者认为，有时即使相关的干预实际上无法执行，这样的逆事实也是真实的。同样，干预主义者可以轻松地同意，因果主张可以通过例如纯观察数据来测试和确认，而不涉及干预或操纵——他们的观点是，通过这种方式确认的是关于如果执行某些干预会发生什么的主张。事实上，以这种方式思考因果主张有助于澄清为什么某些关于观察数据的因果推断策略，例如使用工具变量，更有可能导致可靠的结论而不是其他替代方案（Woodward 2015）。

在相关的批评中，卡特赖特认为干预主义观点是“单一的”：它只考虑了被普遍认为与一个关系是否具有因果关系相关的标准之一 —— 是否可以被利用来进行操纵，并赋予其特权或占据首要地位，使其能够在与其他标准（如时空接近性或能量-动量传递）发生冲突时取胜。相比之下，卡特赖特更倾向于“多元化”的观点，根据这一观点，多种不同的标准与一个关系是否具有因果关系相关，哪些标准最适合或最重要将取决于所讨论的因果主张。

干预主义观点确实是单一标准的。这一特征是否令人反感取决于是否存在现实情况，即（i）基于干预的标准与基于其他考虑因素的标准发生冲突，以及（ii）清楚地表明，由这些其他标准支持的因果判断比干预主义标准支持的因果判断更具有防御性。卡特赖特没有提出任何这种类型的不具争议性案例。我们已经看到，干预主义观点和认为，例如，时空连续性对于因果关系至关重要的观点在一些现实情况下会产生冲突的判断（例如，涉及双重预防的情况），但干预主义观点在推荐这些案例的判断方面是否错误尚不清楚。

针对 M1–M4 以及受可能性约束的干预主义概念的两个更为近期的批评是 Reutlinger 2012 和 Glynn 2013。这些内容在附加文件干预主义观点的其他近期批评中讨论。

14. 一些近期积极发展

上面的材料主要关注使用干预主义或基于可操纵性的观念来解释因果主张，很少关注这些观念在因果推断中的运用——即从实验和非实验数据推断因果关系。后者本身是一个重要课题。粗略地说，如果将因果主张看作是关于可能操纵或实验结果的主张，那么这表明了从非实验数据中概念化因果推断问题的独特方式：这些问题可以被概念化为从这些数据（和其他假设）中推断出可能实验的结果，而无需进行所讨论的实验。这种观点可以用来激励或合理化使用诸如工具变量或回归断点设计等程序的应用，例如参见 Angrist 和 Pischke 2009 年对这些观念的计量经济学应用。

干预主义观念的另一个重要延伸，也侧重于推断但同时包含概念创新的是 Eberhardt（Eberhardt 2007 年，Eberhardt 和 Scheines 2007 年）的工作。这些作者以两种方式概括了干预的概念。首先，他们考虑那些并非确定性地固定干预变量值的干预，而是仅在这些变量上施加概率分布。其次，他们探讨了所谓的“软”干预的使用。这些干预与上文考虑的完全手术式（“硬”）干预不同，不会完全破坏干预变量 X 与其原因 C 之间先前存在的关系，而是为 X 提供一个与 C 保持关系不变的外生变化源 I，其中 I 与 C 不相关。某些实验可以自然地以这种方式建模。例如，在一个实验中，受试随机获得各种额外收入（除了他们从其他来源获得的收入），这种额外收入起到软干预的作用，而不是硬干预。在某些情况下，软干预可能在实践中或原则上是可能的，而硬干预则不是。Eberhardt 2007 年和 Eberhardt 和 Scheines 2007 年探讨了在各种背景下从软和硬、不确定性和确定性干预以及非实验数据中学到的内容。毫不奇怪，从推断的角度看，每种干预和相关数据都有优势和局限性。

Bibliography

Angrist, Joshua D. and Jörn-Steffen Pischke, 2009, “Mostly Harmless Econometrics”, Princeton: Princeton University Press.
Butterfield, Jeremy, 1992, “David Lewis Meets John Bell”, Philosophy of Science, 59(1): 26–43. doi:10.1086/289652
Briggs, Rachel, 2012, “Interventionist Counterfactuals”, Philosophical Studies, 160(1): 139–166. doi:10.1007/s11098-012-9908-5
Cartwright, Nancy, 2001, “Modularity: It Can—and Generally Does—Fail”, in Maria Carla Galavotti, Patrick Suppes, and Domenico Constantini (eds.) Stochastic Causality, Stanford: CSLI Publications.
–––, 2002, “Against Modularity, the Causal Markov Condition, and Any Link Between the Two: Comments on Hausman and Woodward”, British Journal for the Philosophy of Science, 53(3): 411–53. doi:10.1093/bjps/53.3.411
–––, 2003, “Two Theorems on Invariance and Causality”, Philosophy of Science, 70(1): 203–24. doi:10.1086/367876
Collingwood, R.G., 1940, An Essay on Metaphysics, Oxford: Clarendon Press.
Cook, Thomas D. and Donald T. Campbell, 1979, Quasi-Experimentation: Design and Analysis Issues for Field Settings, Boston: Houghton Miflin Company.
Dowe, Phil, 2000, Physical Causation, Cambridge: Cambridge University Press.
Eberhardt, Frederick, 2007, Causation and Intervention, (Ph.D. Thesis), Carnegie Mellon University. [Eberhardt 2007 available online]
Eberhardt, Frederick and Richard Scheines, 2007, “Interventions and Causal Inference”, Philosophy of Science, 74(5): 981–995. doi:10.1086/525638
Fine, Kit, 2012, “Counterfactuals Without Possible Worlds”, Journal of Philosophy, 109(3): 221–246. doi:10.5840/jphil201210938
Frisch, Mathias, 2014, Causal Reasoning in Physics, Cambridge: Cambridge University Press.
Gasking, Douglas, 1955, “Causation and Recipes”, Mind, 64(256): 479–487.
Glymour, Clark and Frank Wimberly, 2007, “Actual Causation and Thought Experiments”, in Joseph Keim Campbell, Michael O’Rourke, and Harry S. Silverstein (eds.) Causation and Explanation, Cambridge, MA: MIT Press, pp 43–67.
Glynn, Luke, 2013, “Of Miracles and Interventions”, Erkenntnis, 78 (Supplement 1): 43–64. doi:10.1007/s10670-013-9436-5
Haavelmo, Trygve, 1944, “The Probability Approach in Econometrics”, Econometrica, 12 (Supplement), pp. iii–vi, 1–115. doi:10.2307/1906935
Hall, Ned, 2000, “Causation and the Price of Transitivity”, The Journal of Philosophy, 97(4): 198–222. doi:10.2307/2678390
Hall, Ned, 2007, “Structural Equations and Causation”, Philosophical Studies, 132(1): 109–136.
Halpern, Joseph Y., 2016, Actual Causality, Cambridge, MA: MIT Press.
Halpern, Joseph Y. and Christopher Hitchcock, 2015, “Graded Causation and Defaults”, British Journal for the Philosophy of Science, 66(2): pp. 413–457. doi:10.1093/bjps/axt050
Halpern, Joseph Y. and Judea Pearl, 2005a, “Causes and Explanations: A Structural Model Approach; Part I: Causes”, British Journal for the Philosophy of Science, 56(4): 843–87. doi:10.1093/bjps/axi147
–––, 2005b, “Causes and Explanations: A Structural Model Approach; Part II: Explanations”, British Journal for the Philosophy of Science, 56(4): 889–911. doi:10.1093/bjps/axi148
Hausman, Daniel M., 1986, “Causation and Experimentation”, American Philosophical Quarterly, 23(2): 143–54
–––, 1998, Causal Asymmetries, Cambridge: Cambridge University Press.
Hernan, Miguel and Taubman, Sarah, 2008, “Does Obesity Shorten Life? The Importance of Well-defined Interventions to Answer Causal Questions ”, International Journal of Obesity, 32 (Supplement 3): S8–14.
Hiddleston, Eric, 2005, Review of Making Things Happen (Woodward 2003), Philosophical Review, 114(4): 545–47. doi:10.1215/00318108-114-4-545
Hitchcock, Christopher, 2001a, “The Intransitivity of Causation Revealed in Equations and Graphs”, The Journal of Philosophy, 98(6): 273–99. doi:10.2307/2678432
–––, 2001b, “A Tale of Two Effects”, Philosophical Review, 110(3): 361–96. doi:10.1215/00318108-110-3-361
–––, 2007a, “Prevention, Preemption, and the Principle of Sufficient Reason”, Philosophical Review, 116(4): 495–532. doi:10.1215/00318108-2007-012
–––, 2007b, “What Russell Got Right”, in Price and Corry 2007: 45–65.
Hitchcock, Christopher and James Woodward, 2003, “Explanatory Generalizations, Part II: Plumbing Explanatory Depth”, Nôus, 37(2): 181–99. doi:10.1111/1468-0068.00435
Holland, Paul W., 1986, “Statistics and Causal Inference”, Journal of the American Statistical Association, 81(396): 945–960.
Lewis, David, 1973, “Causation”, Journal of Philosophy, 70(17): 556–567.
–––, 1979, “Counterfactual Dependence and Time’s Arrow”, Nôus, 13(4): 455–76. doi:10.2307/2215339
Maudlin, Tim, 2007, The Metaphysics Within Physics, Oxford: Oxford University Press. doi:10.1093/acprof:oso/9780199218219.001.0001
Meek, Christopher and Clark Glymour, 1994, “Conditioning and Intervening”, British Journal for the Philosophy of Science, 45(4): 1001–1021. doi:10.1093/bjps/45.4.1001
Menzies, Peter and Huw Price, 1993, “Causation as a Secondary Quality”, British Journal for the Philosophy of Science, 44(2): 187–203. doi:10.1093/bjps/44.2.187
Norton, John D., 2007, “Causation as Folk Science”, in Price and Corry 2007: 11–44.
Pearl, Judea, 2009, Causality, New York: Cambridge University Press.
Price, Huw, 1991, “Agency and Probabilistic Causality”, British Journal for the Philosophy of Science, 42(2): 157–76. doi:10.1093/bjps/42.2.157
–––, 1992, “Agency and Causal Asymmetry”, Mind, 101(403): 501–520.
–––, 2007 , “Causal Perspectivalism”, in Price and Corry 2007: 250–292.
–––, 2017, “Causation, Intervention and Agency: Woodward on Menzies and Price”, in H. Beebee, C. Hitcock, and H. Price (eds.), Making a Difference: Essays on the Philosophy of Causation, Oxford University Press, pp. 73–98.
Price, Huw and Richard Corry (eds), 2007, Causation, Physics, and the Constitution of Reality: Russell’s Republic Revisited, Oxford: Oxford University Press.
Reutlinger, Alexander, 2012, “Getting Rid of Interventions”, Studies in the History and Philosophy of Biological and Biomedical Sciences, 43(4): 787–95. doi:10.1016/j.shpsc.2012.05.006
Rubin, Donald B., 1974, “Estimating Causal Effects of Treatments in Randomized and Nonrandomized Studies”, Journal of Educational Psychology, 66(5): 688–701.
–––, 1986, “Comment: Which Ifs Have Causal Answers?”, Journal of the American Statistical Association, 81(396): 961–962.
Salmon, Wesley C., 1984, Scientific Explanation and the Causal Structure of the World, Princeton: Princeton University Press.
Schaffer, Jonathan, 2000, “Causation by Disconnection”, Philosophy of Science, 67(2): 285–300. doi:10.1086/392776
Skyrms, Brian, 1984, “EPR:Lessons from Metaphysics”, Midwest Studies in Philosophy, 9(1): 245–55. doi:10.1111/j.1475-4975.1984.tb00062.x
Sosa, Ernest and Michael Tooley (eds.), 1993, Causation, Oxford: Oxford University Press.
Spirtes, Peter, Clark Glymour, and Richard Scheines, 2000, Causation, Prediction and Search, Cambridge, MA: MIT Press.
von Wright, Georg Henrik, 1971, Explanation and Understanding, Ithaca, NY: Cornell University Press.
Woodward, James/Jim, 1997, “Explanation, Invariance, and Intervention”, Philosophy of Science, 64(supplement): S26–S41.
–––, 2000, “Explanation and Invariance in the Special Sciences”, British Journal for the Philosophy of Science, 51(2): 197–254. doi:10.1093/bjps/51.2.197
–––, 2003, Making Things Happen: A Theory of Causal Explanation, Oxford: Oxford University Press.
–––, 2007, “Causation with a Human Face”, in Price and Corry 2007: 66–105.
–––, 2014, “Simplicity in the Best Systems Account of Laws of Nature”, British Journal for the Philosophy of Science, 65: 91–123.
–––, 2015, “Methodology, Ontology and Interventionism”, Synthese, 192(11): 3577–3599. doi:10.1007/s11229-014-0479-1
–––, 2016, “Causation in Science”, in Oxford Handbook of the Philosophy of Science, edited by Paul Humphreys, New York: Oxford University Press, 163–184; longer online version at doi:10.1093/oxfordhb/9780199368815.013.8
Woodward, James and Christopher Hitchcock, 2003, “Explanatory Generalizations, Part I: A Counterfactual Account”, Noûs, 37(1): 1–24. doi:10.1111/1468-0068.00426