Giả thuyết nguyên nhân và cách hình thành

Vì vậy, giả thuyết không xuất hiện trực tiếp trong dữ liệu. Người phân tích phải chuyển từ các quan sát riêng lẻ sang mẫu hình, từ mẫu hình sang những nguyên nhân khả dĩ, rồi kiểm tra xem từng nguyên nhân có phù hợp với thời gian, cơ chế, điều kiện và toàn bộ bằng chứng hay không.

Điểm quan trọng là phân biệt dấu hiệu gợi ý nguyên nhân với bằng chứng đủ để kết luận nguyên nhân. Hai hiện tượng xuất hiện cùng nhau, hoặc một hiện tượng xảy ra trước hiện tượng kia, có thể giúp hình thành giả thuyết nhưng chưa tự động chứng minh quan hệ nhân quả.

Giả thuyết nguyên nhân là gì?

Giả thuyết nguyên nhân là một lời giải thích tạm thời và có khả năng kiểm tra về quan hệ giữa nguyên nhân giả định và kết quả quan sát được. Cấu trúc cơ bản của nó có thể diễn đạt như sau: nếu yếu tố X thực sự tác động theo cơ chế M trong điều kiện C, thì nó có thể tạo ra hoặc làm thay đổi kết quả Y.

Một giả thuyết tốt vì thế không chỉ nói rằng X và Y “có liên quan”. Nó phải nêu được hướng tác động và tạo ra những hệ quả có thể đối chiếu với quan sát. Chẳng hạn, nếu cho rằng nhiệt độ quá cao làm một thiết bị ngừng hoạt động, giả thuyết phải phù hợp với trình tự nhiệt độ tăng trước khi lỗi xuất hiện, với giới hạn vận hành của thiết bị và với việc lỗi có thay đổi khi nhiệt độ được kiểm soát hay không.

Tính “giả thuyết” cũng có nghĩa kết luận vẫn còn mở. Một lời giải thích hợp lý ban đầu có thể bị loại bỏ khi xuất hiện dữ liệu mới hoặc khi một nguyên nhân khác giải thích các dấu hiệu tốt hơn.

Dữ liệu và dấu hiệu đóng vai trò gì trong việc hình thành giả thuyết?

Dữ liệu là những quan sát hoặc phép đo về hiện tượng đang được nghiên cứu. Dấu hiệu là đặc điểm có ý nghĩa được nhận ra từ những dữ liệu đó, chẳng hạn một bất thường, sự thay đổi theo thời gian, sự khác biệt giữa các nhóm hoặc một mẫu lặp lại.

Một giá trị riêng lẻ thường chỉ cho biết trạng thái tại một thời điểm. Khi nhiều quan sát được đặt cạnh nhau, người phân tích mới có thể nhận ra những cấu trúc đáng chú ý như:

·         Một yếu tố thường xuất hiện trước khi sự cố xảy ra

·         Những trường hợp có vấn đề cùng chia sẻ một điều kiện mà nhóm bình thường không có

·         Mức độ của một yếu tố thay đổi đồng thời với mức độ của kết quả

·         Hiện tượng chỉ xảy ra trong một địa điểm, giai đoạn hoặc điều kiện nhất định

·         Một trường hợp ngoại lệ phá vỡ mẫu hình đang được giả định

Những dấu hiệu này thu hẹp không gian nguyên nhân có thể xảy ra. Tuy nhiên, chúng vẫn chủ yếu thực hiện chức năng gợi ý. Ví dụ, nếu lỗi sản phẩm tăng trong đúng thời gian một loại nguyên liệu mới được đưa vào sử dụng, thời điểm đó là dấu hiệu đáng kiểm tra. Nó chưa chứng minh nguyên liệu mới là nguyên nhân vì cùng thời gian có thể còn thay đổi máy móc, nhân sự, nhiệt độ môi trường hoặc quy trình vận hành.

Do đó, dữ liệu không “tự nói” nguyên nhân là gì. Giá trị của dữ liệu nằm ở khả năng tạo ra những ràng buộc mà một giả thuyết hợp lý phải thỏa mãn.

Giả thuyết nguyên nhân được hình thành theo quá trình nào?

Quá trình hình thành thường bắt đầu bằng việc mô tả chính xác hiện tượng cần giải thích. Nếu chưa biết rõ điều gì đã thay đổi, ở đâu, khi nào và trong điều kiện nào, việc tìm nguyên nhân rất dễ biến thành phỏng đoán.

Từ mô tả đó, người phân tích tìm các mẫu và sự khác biệt đáng chú ý. Những dấu hiệu này được liên hệ với kiến thức về hệ thống để tạo ra một hoặc nhiều nguyên nhân khả dĩ. Sau đó, mỗi nguyên nhân phải được chuyển thành giả thuyết đủ cụ thể để có thể kiểm tra.

Một trình tự có thể diễn đạt thành sáu bước:

1.    Xác định hiện tượng cần giải thích — Làm rõ kết quả hoặc sự thay đổi thực tế đang xảy ra

2.    Thu thập và tổ chức dữ liệu liên quan — Xem xét thời gian, địa điểm, đối tượng, điều kiện và những biến số có khả năng liên quan

3.    Tìm mẫu hình và dấu hiệu bất thường — Nhận diện sự đồng xuất hiện, trình tự thời gian, khác biệt giữa các nhóm và các trường hợp ngoại lệ

4.    Đề xuất các nguyên nhân khả dĩ — Dùng dấu hiệu cùng hiểu biết về cơ chế để xây dựng nhiều lời giải thích cạnh tranh

5.    Suy ra điều phải quan sát thấy nếu giả thuyết đúng — Xác định dự đoán có thể kiểm tra thay vì chỉ giữ một lời giải thích chung chung

6.    Đối chiếu với dữ liệu mới hoặc phép kiểm tra phù hợp — Giữ lại, điều chỉnh hoặc loại bỏ giả thuyết tùy vào mức độ phù hợp với bằng chứng

Quá trình này có tính lặp. Một lần kiểm tra có thể tạo ra dấu hiệu mới, buộc giả thuyết phải được sửa hoặc thay thế. Vì vậy, hình thành giả thuyết nguyên nhân không phải là bước đoán một nguyên nhân rồi tìm dữ liệu để bảo vệ nó, mà là quá trình liên tục để dữ liệu có khả năng bác bỏ cả lời giải thích ban đầu.

Một dấu hiệu trở thành cơ sở cho giả thuyết nguyên nhân khi nào?

Không phải mọi mối liên hệ trong dữ liệu đều có giá trị như nhau. Một dấu hiệu trở nên thuyết phục hơn khi nó phù hợp đồng thời với nhiều điều kiện của quan hệ nhân quả.

Trước hết là trình tự thời gian. Nguyên nhân phải tồn tại hoặc tác động trước kết quả mà nó được cho là gây ra. Nếu một biến chỉ thay đổi sau khi kết quả đã xuất hiện, nó khó có thể là nguyên nhân trực tiếp của kết quả đó.

Tiếp theo là cơ chế hợp lý. Cần giải thích được bằng cách nào yếu tố giả định có thể tạo ra kết quả. Cơ chế không nhất thiết phải được biết hoàn toàn ngay từ đầu, nhưng nếu không có bất kỳ con đường tác động hợp lý nào, quan hệ quan sát được có thể chỉ là trùng hợp hoặc tác động gián tiếp.

Một dấu hiệu cũng mạnh hơn khi có tính nhất quán. Nếu giả thuyết đúng, mẫu dự kiến nên xuất hiện trong những trường hợp phù hợp với điều kiện của giả thuyết. Những trường hợp không phù hợp đặc biệt quan trọng vì chúng có thể chỉ ra điều kiện còn thiếu hoặc cho thấy giả thuyết đang sai.

Cuối cùng cần xem xét các giải thích thay thế. X và Y có thể cùng thay đổi vì một yếu tố Z tác động lên cả hai. Nếu không kiểm tra Z hoặc các nguyên nhân cạnh tranh khác, việc chuyển từ “X đi cùng Y” sang “X gây ra Y” là quá sớm.

Vì sao tương quan hoặc sự xuất hiện trước chưa đủ chứng minh nguyên nhân?

Tương quan cho biết hai biến có quan hệ về mặt quan sát; quan hệ nhân quả đòi hỏi một khẳng định mạnh hơn rằng sự thay đổi ở nguyên nhân thực sự tạo ra thay đổi ở kết quả trong những điều kiện xác định.

Có ít nhất ba khả năng khiến một tương quan dẫn đến kết luận sai. Thứ nhất, X có thể gây Y. Thứ hai, Y có thể tác động ngược lại X. Thứ ba, một yếu tố Z có thể đồng thời ảnh hưởng đến cả X và Y. Ngoài ra, một mẫu quan sát được cũng có thể hình thành do cách lấy mẫu, sai số đo lường hoặc đơn giản là biến động ngẫu nhiên.

Tương tự, việc X xuất hiện trước Y là điều kiện cần cho nhiều quan hệ nhân quả nhưng không phải điều kiện đủ. Trời tối thường xuất hiện trước khi đèn đường bật, nhưng bóng tối không nhất thiết là nguyên nhân kỹ thuật trực tiếp; cơ chế có thể nằm ở bộ hẹn giờ hoặc cảm biến ánh sáng.

Vì vậy, dữ liệu ban đầu nên được dùng để tạo và ưu tiên giả thuyết, không phải để biến ngay một dấu hiệu thành kết luận chắc chắn. Một giả thuyết càng quan trọng thì càng cần được thử trước những khả năng có thể làm nó sai.

Cách đánh giá một giả thuyết nguyên nhân có đủ mạnh hay không

Một giả thuyết hữu ích cần vượt qua nhiều câu hỏi cùng lúc: nó có giải thích đúng hiện tượng không, có phù hợp với dữ liệu không, có cơ chế hợp lý không và có phân biệt được với các lời giải thích cạnh tranh không?

Có thể kiểm tra bằng bốn nhóm câu hỏi.

Về phạm vi: giả thuyết có giải thích được những trường hợp quan trọng đã quan sát hay chỉ giải thích một phần nhỏ dữ liệu?

Về dự đoán: nếu giả thuyết đúng, còn phải xuất hiện dấu hiệu nào? Nếu dấu hiệu dự đoán không xuất hiện, giả thuyết có bị suy yếu hay không?

Về nguyên nhân cạnh tranh: một yếu tố khác có thể tạo ra cùng mẫu dữ liệu không? Có dữ liệu nào giúp phân biệt hai giả thuyết?

Về khả năng bị bác bỏ: có quan sát hoặc phép kiểm tra thực tế nào khiến người phân tích chấp nhận rằng giả thuyết sai không? Nếu không có cách nào để một giả thuyết thất bại, nó rất khó được kiểm tra nghiêm túc.

Giả thuyết mạnh vì thế không phải là lời giải thích nghe hợp lý nhất, mà là lời giải thích tiếp tục đứng vững sau khi đã được đối chiếu với các dữ liệu có khả năng phản bác nó.

Dữ liệu và dấu hiệu là điểm xuất phát của giả thuyết nguyên nhân, nhưng không phải bản thân kết luận nhân quả. Quá trình hợp lý đi từ mô tả hiện tượng, nhận diện mẫu hình và bất thường, đề xuất nhiều nguyên nhân khả dĩ, xác định cơ chế và dự đoán, sau đó kiểm tra các giả thuyết với dữ liệu cũng như những lời giải thích cạnh tranh.

Vì vậy, câu hỏi quan trọng khi gặp một dấu hiệu không chỉ là “dấu hiệu này gợi ý nguyên nhân nào?”, mà còn là “nếu nguyên nhân đó thực sự đúng, chúng ta phải quan sát thêm điều gì và bằng chứng nào có thể chứng minh nó sai?”. Chính khả năng trả lời hai câu hỏi này giúp chuyển một phỏng đoán ban đầu thành một giả thuyết nguyên nhân có thể kiểm tra.