Quan hệ nhân quả giả và vai trò của yếu tố thứ ba

Cấu trúc điển hình có thể biểu diễn đơn giản là Z → X và Z → Y. Khi chỉ quan sát X và Y, ta thấy chúng tương quan; nhưng nguyên nhân tạo nên sự đồng biến lại nằm ở Z. Đây là cơ chế quan trọng đứng sau nhiều quan hệ nhân quả giả và cũng là lý do “có tương quan” không đủ để kết luận “có quan hệ nhân quả”.

Điểm cần chú ý là không phải cứ tìm thấy một biến thứ ba thì quan hệ X–Y tự động trở thành giả. Cần xác định vai trò nhân quả của biến đó: nó có phải nguyên nhân chung gây nhiễu, là mắt xích trung gian hay là kết quả chung của hai biến. Kiểm soát nhầm loại biến thậm chí có thể tạo thêm sai lệch thay vì loại bỏ sai lệch.

Quan hệ nhân quả giả là gì?

Quan hệ nhân quả giả là tình huống trong đó dữ liệu khiến hai biến có vẻ như tồn tại quan hệ nguyên nhân – kết quả, nhưng mối liên hệ quan sát được không phản ánh một tác động nhân quả trực tiếp như cách người phân tích diễn giải.

Giả sử X và Y có tương quan dương: khi X tăng, Y cũng thường tăng. Chỉ từ thông tin đó, chưa thể kết luận X làm Y tăng. Một khả năng khác là Z tác động lên cả X lẫn Y:

Z → X

Z → Y

Nếu không quan sát hoặc không kiểm soát Z, ảnh hưởng của Z có thể được “gán nhầm” cho X. Khi ấy, X đóng vai trò như một dấu hiệu đi cùng Y chứ chưa chắc là nguyên nhân của Y.

Ví dụ quen thuộc là doanh số kem và số vụ đuối nước có thể cùng tăng vào những tháng nóng. Không phải mua kem làm tăng nguy cơ đuối nước. Nhiệt độ cao làm nhiều người mua kem hơn, đồng thời khiến hoạt động bơi lội và tiếp xúc với nước tăng lên. Nhiệt độ vì vậy có thể tạo ra tương quan giữa hai biến vốn không có quan hệ nhân quả trực tiếp theo cách diễn giải ban đầu.

Ý nghĩa quan trọng nằm ở sự khác biệt giữa hai câu:

·         X và Y có liên hệ thống kê

·         Thay đổi X sẽ làm Y thay đổi

Câu thứ hai là một tuyên bố nhân quả và đòi hỏi bằng chứng mạnh hơn nhiều so với việc chỉ quan sát tương quan.

Yếu tố thứ ba tạo ra tương quan giả bằng cơ chế nào?

Một biến thứ ba tạo ra tương quan giả khi sự phân bố của nó đồng thời làm thay đổi X và Y. Nếu dữ liệu gộp nhiều mức của Z lại với nhau, các quan sát có Z cao có thể đồng thời mang giá trị X cao và Y cao; các quan sát có Z thấp lại cùng có X thấp và Y thấp. Kết quả là X và Y trông như đang biến động cùng nhau.

Có thể hình dung với ba biến:

·         X: mức tiêu thụ kem

·         Y: số trường hợp đuối nước

·         Z: nhiệt độ

Khi thời tiết nóng hơn, Z làm X tăng. Cũng trong điều kiện đó, số người đi bơi tăng và Y có thể tăng. Nếu chỉ vẽ X và Y trên biểu đồ, một đường xu hướng dương có thể xuất hiện dù không tồn tại cơ chế hợp lý theo đó việc mua kem trực tiếp gây đuối nước.

Trong ngôn ngữ của đồ thị nhân quả, đường X ← Z → Y là một “đường cửa sau” nối X với Y. Sự liên kết đi qua Z có thể tạo ra association giữa X và Y ngay cả khi không có mũi tên nhân quả X → Y.

Điều này cũng giải thích tại sao kích thước của hệ số tương quan không tự xác định được quan hệ nhân quả. Một tương quan mạnh vẫn có thể chủ yếu đến từ nguyên nhân chung; ngược lại, một tác động nhân quả thực có thể cho tương quan quan sát yếu nếu dữ liệu còn chịu nhiều nguồn biến thiên khác.

Điều gì xảy ra khi kiểm soát biến gây nhiễu?

Nếu Z thực sự là nguyên nhân chung tạo nên quan hệ giả, so sánh X và Y trong những nhóm có Z tương đương sẽ làm giảm ảnh hưởng của đường X ← Z → Y.

Với ví dụ nhiệt độ, thay vì so sánh toàn bộ dữ liệu trong cả năm, có thể so sánh doanh số kem và số vụ đuối nước giữa các ngày có mức nhiệt tương tự. Phần tương quan trước đây do những ngày nóng khác những ngày lạnh sẽ không còn đóng vai trò lớn như trong dữ liệu gộp.

Trong trường hợp lý tưởng, nếu Z giải thích hoàn toàn sự liên hệ và không còn con đường nào khác nối X với Y, ta có thể quan sát tình trạng X và Y gần như độc lập sau khi điều kiện hóa theo Z. Trong dữ liệu thực tế, kết quả không nhất thiết phải biến mất hoàn toàn vì có thể còn biến gây nhiễu khác, sai số đo lường hoặc quan hệ nhân quả bổ sung.

Việc kiểm soát có thể được thực hiện bằng nhiều cách như phân tầng dữ liệu, ghép các đối tượng tương đồng hoặc đưa biến gây nhiễu vào mô hình hồi quy. Điểm chung không nằm ở kỹ thuật cụ thể mà ở mục tiêu: so sánh X và Y trong những điều kiện mà ảnh hưởng của nguyên nhân chung đã được cân bằng hợp lý.

Đôi khi mối liên hệ sau khi phân tầng không chỉ yếu đi mà còn đổi chiều. Hiện tượng như vậy cho thấy kết quả ở dữ liệu gộp có thể che giấu cấu trúc bên trong các nhóm. Tuy nhiên, việc một hệ số thay đổi sau khi thêm biến kiểm soát vẫn chưa tự chứng minh biến đó là nguyên nhân gây nhiễu; vai trò nhân quả của biến phải được xác định bằng kiến thức về quá trình tạo dữ liệu.

Khi nào yếu tố thứ ba thực sự là biến gây nhiễu?

Không nên gọi mọi biến liên quan đến X và Y là biến gây nhiễu. Vị trí của biến trong cấu trúc nhân quả quyết định việc kiểm soát nó có hợp lý hay không.

Biến gây nhiễu

Trong mô hình đơn giản, biến gây nhiễu Z đứng trước X và Y trong chuỗi nhân quả và tạo ra một đường không nhân quả giữa chúng:

X ← Z → Y

Ví dụ, tuổi có thể liên quan đồng thời đến một loại hành vi sức khỏe và nguy cơ mắc một bệnh. Nếu so sánh hai nhóm có phân bố tuổi rất khác nhau mà không điều chỉnh tuổi, một phần khác biệt về kết quả có thể bị quy cho hành vi dù thực chất đến từ tuổi.

Đây là trường hợp mà kiểm soát Z có thể giúp đánh giá quan hệ X–Y chính xác hơn.

Biến trung gian

Một biến trung gian nằm trên chính con đường mà X tác động đến Y:

X → Z → Y

Nếu mục tiêu là ước lượng tổng tác động của X lên Y, kiểm soát Z có thể loại bỏ một phần tác động mà ta đang muốn đo. Vì vậy, thấy một “biến thứ ba” nằm giữa X và Y không có nghĩa phải luôn đưa nó vào mô hình như biến gây nhiễu.

Biến collider

Collider là biến nhận tác động từ cả hai phía:

X → Z ← Y

Trong cấu trúc này, việc điều kiện hóa hoặc chỉ chọn những quan sát có cùng Z có thể tạo ra sự phụ thuộc thống kê giữa X và Y vốn trước đó không tồn tại. Nói cách khác, kiểm soát sai biến có khả năng tạo tương quan giả thay vì loại bỏ nó.

Sự khác biệt giữa confounder, mediator và collider cho thấy vấn đề không thể giải quyết chỉ bằng quy tắc “thêm càng nhiều biến kiểm soát càng tốt”. Cần biết biến đó nằm ở đâu trong cơ chế sinh dữ liệu.

Tương quan giảm sau khi kiểm soát có chứng minh nhân quả giả không?

Không hoàn toàn. Đây là một dấu hiệu phù hợp với giả thuyết gây nhiễu, nhưng chưa phải bằng chứng quyết định.

Giả sử tương quan giữa X và Y giảm mạnh sau khi kiểm soát Z. Kết quả này cho thấy phần đáng kể của association ban đầu có liên quan đến Z. Tuy nhiên, vẫn phải xem xét ít nhất ba khả năng.

Thứ nhất, Z có thể chỉ đại diện cho một nguyên nhân sâu hơn chưa được đo trực tiếp. Thứ hai, Z có thể được đo không chính xác, khiến phần gây nhiễu còn sót lại. Thứ ba, mô hình có thể kiểm soát sai dạng quan hệ, chẳng hạn chỉ thêm một thành phần tuyến tính trong khi ảnh hưởng thực tế của Z là phi tuyến hoặc thay đổi theo nhóm.

Chiều ngược lại cũng quan trọng: nếu quan hệ X–Y vẫn tồn tại sau khi kiểm soát một số biến, điều đó không tự động chứng minh X gây Y. Những biến gây nhiễu chưa quan sát được vẫn có thể tồn tại.

Vì thế, suy luận nhân quả đòi hỏi kết hợp cấu trúc nhân quả hợp lý với thiết kế nghiên cứu và bằng chứng. Thử nghiệm ngẫu nhiên có ưu thế khi việc phân bổ ngẫu nhiên giúp phá vỡ có hệ thống mối liên hệ giữa điều trị và nhiều nguyên nhân gây nhiễu trước điều trị. Với dữ liệu quan sát, người phân tích phải dựa nhiều hơn vào giả định nhân quả, chiến lược kiểm soát và kiểm tra độ nhạy của kết quả.

Cách nhận diện và tránh kết luận quan hệ nhân quả giả

Một tương quan đáng chú ý nên được xem là điểm bắt đầu của câu hỏi nhân quả, không phải điểm kết thúc. Trước khi diễn giải X gây Y, cần xác định một cơ chế có khả năng tạo ra dữ liệu tương tự mà không cần đến tác động X → Y.

Có thể kiểm tra theo trình tự:

1.    Xác định thứ tự thời gian: nguyên nhân được đề xuất phải xuất hiện trước kết quả

2.    Tìm nguyên nhân chung: xem có biến nào xảy ra trước X và đồng thời ảnh hưởng đến Y hay không

3.    Mô tả cấu trúc nhân quả: phân biệt biến gây nhiễu với biến trung gian và collider trước khi quyết định kiểm soát

4.    So sánh trong điều kiện tương đương: kiểm tra quan hệ X–Y khi các mức quan trọng của biến gây nhiễu đã được cân bằng

5.    Đánh giá độ bền của kết quả: xem hệ số thay đổi bao nhiêu khi dùng cách phân tầng, đặc tả mô hình hoặc tập biến kiểm soát hợp lý khác nhau

6.    Kiểm tra cơ chế: một quan hệ nhân quả đáng tin cậy cần có lời giải thích về cách X có thể tạo ra thay đổi ở Y, không chỉ có một hệ số tương quan

7.    Giữ giới hạn của bằng chứng: dữ liệu quan sát có thể hỗ trợ suy luận nhân quả nhưng không nên được diễn giải mạnh hơn những giả định và thiết kế nghiên cứu cho phép

Câu hỏi hữu ích nhất khi gặp một tương quan là: “Có yếu tố nào có thể làm cả X và Y cùng thay đổi không?” Nếu câu trả lời là có, yếu tố đó cần được đặt vào mô hình nhân quả trước khi diễn giải mối liên hệ X–Y.

Một quan hệ nhân quả giả thường xuất hiện khi hai biến cùng thay đổi do ảnh hưởng của một nguyên nhân chung nhưng sự tương quan đó lại bị diễn giải thành tác động trực tiếp giữa chúng. Trong cấu trúc đơn giản X ← Z → Y, Z là yếu tố thứ ba có khả năng tạo nên mối liên hệ quan sát giữa X và Y.

Kiểm soát đúng Z có thể làm tương quan giảm, biến mất hoặc thay đổi đáng kể, qua đó cho thấy kết quả ban đầu chịu ảnh hưởng của gây nhiễu. Nhưng việc kiểm soát chỉ có ý nghĩa khi vai trò nhân quả của Z được xác định đúng. Nếu Z là biến trung gian hoặc collider, điều chỉnh nó có thể loại bỏ một phần tác động thật hoặc thậm chí tạo ra sai lệch mới.

Vì vậy, cách tránh kết luận nhân quả giả không phải là tìm mọi biến có tương quan rồi đưa tất cả vào mô hình. Cốt lõi là xác định cơ chế tạo dữ liệu, nguyên nhân chung và vị trí của từng biến trong cấu trúc nhân quả trước khi chuyển từ “X liên quan đến Y” sang “X gây ra Y”.