4.4 Årsaksforklaring og de tre betingelsene

En forklaring som sier at ett forhold frembringer et annet: at endringen i det ene fører til en endring i det andre.

Påstanden går ut over det som er observert. Den sier noe om hva som ville skjedd hvis årsaken ikke hadde vært til stede — og den situasjonen finnes ikke i materialet. Derfor kan en årsaksslutning aldri leses rett ut av tallene; den må begrunnes.

Distinksjonen mot en beskrivelse av en sammenheng: «de som bruker portalen, er mer fornøyde» er en beskrivelse og kan avleses direkte. «Portalen gjør folk fornøyde» er en forklaring og krever de tre kravene under.

Hvor det brukes på eksamen: første setning i et godt svar sier hva slags påstand som skal begrunnes. Det er også der du naturlig gloser feil #13, altså å behandle samvariasjon som årsak.

Uten samvariasjon er det ingenting å forklare. Kravet er derfor nødvendig — men det er også det svakeste av de tre, fordi det er det eneste som kan avleses direkte i et materiale.

Distinksjonen mot årsak: samvariasjon er symmetrisk. At A henger sammen med B, er nøyaktig det samme utsagnet som at B henger sammen med A — og en symmetrisk opplysning kan aldri i seg selv bære en usymmetrisk påstand om at det ene frembringer det andre.

Presisering om grensetilfellene: en årsak kan finnes uten at samvariasjonen er synlig, dersom to motsatt virkende mekanismer utligner hverandre. Kravet er derfor nødvendig i praksis, men ikke logisk vanntett i alle retninger.

Et mål på hvor systematisk to størrelser følger hverandre, og i hvilken retning. En sterk korrelasjon betyr at avvikene fra mønsteret er små, ikke at sammenhengen er årsaksmessig.

Dette er verdt å si eksplisitt, fordi styrke er det som overbeviser folk. En spuriøs sammenheng kan være svært sterk, og en ekte årsakssammenheng kan være svak fordi mange andre forhold også virker.

Distinksjonen mot samvariasjon: samvariasjon er det generelle begrepet, korrelasjon er den tallfestede formen av det. I en besvarelse holder det å bruke «samvariasjon» presist.

Hvor det brukes: når noen argumenterer med at «sammenhengen er svært sterk», er dette svaret: styrken sier noe om hvor tydelig mønsteret er, ingenting om hva som frembringer det.

Kravet er lett å overse fordi det virker selvsagt, og vanskelig å oppfylle fordi materialet ofte er samlet inn på ett tidspunkt. Da er retningen ikke avgjort av dataene i det hele tatt, men av forskerens teori, og det skal i så fall stå.

Distinksjonen mot spuriøsitet: ved spuriøsitet finnes en tredje faktor bak begge. Her finnes en reell sammenheng mellom nettopp de to, men den går motsatt vei av det som påstås. De to innvendingene er selvstendige og skal ikke slås sammen — å blande dem er en av de vanligste presisjonsfeilene i redegjørelsesledd.

Presisering om det vanskeligste tilfellet: noen sammenhenger går begge veier samtidig. Trivsel kan gi bedre arbeid, og bedre arbeid kan gi trivsel. Da er ikke retningen feil, den er gjensidig — og det skal skrives ut, ikke skjules.

Dette er det kravet som skiller kandidatene. De to første er lette å forstå; dette krever at man kan tenke seg hvilke forhold som kunne ligge bak — og det forutsetter faglig kunnskap om saken, ikke bare om metode.

Distinksjonen mot å samle flere data: kontroll er ikke et spørsmål om mengde. Det er et spørsmål om hvilke andre forhold man har opplysninger om, og hvilke man har tenkt på. En variabel man ikke har målt, kan ikke kontrolleres for.

Hvor det brukes på eksamen: når V2023 sier at kravene skal forklares og ikke bare nevnes, er det særlig dette kravet som skal forklares. Vis hva kontrollen gjør: den deler materialet i grupper der det tredje forholdet er likt, og ser om sammenhengen fortsatt finnes inne i hver gruppe.

En samvariasjon mellom to forhold som forsvinner når et tredje forhold bak begge holdes fast. Sammenhengen er reell i tallene, men den er ikke en årsakssammenheng.

Dette er den vanligste feilkilden ved krav 3, og eksempelet med portalen og alderen over er en ren utgave av den.

Distinksjonen mot en svak sammenheng: en spuriøs sammenheng kan være meget sterk. Å avvise den fordi den er svak, er å bruke feil argument på riktig konklusjon.

Hvor det brukes på eksamen: når du skal formulere innvendingen konkret, hold deg til formen: «hvilket tredje forhold kunne frembrakt både A og B?» Et navngitt forhold er en faglig innvending; «det kan finnes andre forklaringer» er ikke det.

Et forhold som påvirker både den antatte årsaken og den antatte virkningen, og som dermed kan skape en sammenheng mellom dem uten at den ene frembringer den andre.

Alder i portaleksempelet er en bakenforliggende variabel: den påvirker både om man bruker portalen og hvor fornøyd man er.

Distinksjonen mot mellomliggende variabel: den bakenforliggende ligger før begge i årsakskjeden. Den mellomliggende ligger mellom dem. De ser like ut i et regnestykke, men de betyr motsatte ting — og forskjellen er behandlet under.

Hvor det brukes: dette er begrepet du trenger for å si nøyaktig hva som er galt med en slutning, i stedet for bare å si at den er for rask.

Et forhold som ligger mellom årsak og virkning i kjeden: årsaken virker gjennom det.

Et kurs kan gi bedre ferdigheter, og bedre ferdigheter kan gi bedre resultater. Ferdighetene er da mellomliggende, og kurset har en reell virkning — den går bare via et mellomledd.

Distinksjonen mot bakenforliggende variabel: dette er det viktigste og vanskeligste skillet i kapitlet. Holder du en bakenforliggende variabel fast og sammenhengen forsvinner, var den spuriøs. Holder du en mellomliggende variabel fast og sammenhengen forsvinner, har du nettopp bekreftet at årsaken virker — gjennom det leddet du holdt fast. Regnestykket ser likt ut; tolkningen er motsatt.

Konsekvensen som skiller en god besvarelse fra en flink: hvilken av de to det er, kan ikke avgjøres statistisk. Det avgjøres av rekkefølgen i tid og av faglig teori — og det skal derfor begrunnes, ikke regnes ut.

Å dele materialet i grupper der det tredje forholdet er likt, og deretter se om sammenhengen fortsatt finnes inne i hver gruppe.

Dette er hele operasjonen bak krav 3 i sin enkleste form, og den er verdt å beskrive konkret i en besvarelse — nettopp fordi V2023 ber om at kravene forklares.

Distinksjonen mot eksperimentell kontroll: i et eksperiment fordeles enhetene tilfeldig, og da holdes alle bakenforliggende forhold like i gjennomsnitt, også de man ikke har tenkt på. Statistisk kontroll holder bare de forholdene like som man faktisk har målt.

Grensen som alltid står igjen: en variabel du ikke har opplysninger om, kan du ikke kontrollere for. Derfor kan et ikke-eksperimentelt opplegg aldri utelukke alle alternative forklaringer, bare de man har tenkt på og målt.

Et opplegg der forskeren selv bestemmer hvem som får tiltaket, og fordeler enhetene tilfeldig mellom gruppene.

Den tilfeldige fordelingen er poenget. Den gjør at gruppene i gjennomsnitt er like på alt annet — også på forhold ingen har tenkt på å måle — og krav 3 er dermed oppfylt ved konstruksjon. Rekkefølgen er også avgjort, siden tiltaket kommer etterpå, så krav 2 er oppfylt.

Distinksjonen mot et opplegg der folk velger selv: når deltakerne velger, er de som velger tiltaket, nesten alltid forskjellige fra dem som ikke gjør det. Det er selve seleksjonsproblemet, og det er grunnen til at frivillige ordninger er så vanskelige å evaluere.

Begrensningen: de fleste spørsmål i samfunnsvitenskapen kan ikke undersøkes eksperimentelt, av praktiske eller etiske grunner. Idealet er likevel nyttig som målestokk: det viser hva de andre oppleggene mangler.

At de som får en behandling eller velger en ordning, systematisk skiller seg fra dem som ikke gjør det — på forhold som selv påvirker utfallet.

Seleksjon er den vanligste konkrete formen for en bakenforliggende variabel i evalueringer. De som melder seg på et frivillig kurs, er ofte de mest motiverte fra før, og motivasjonen påvirker resultatet uansett kurs.

Distinksjonen mot utvalgsskjevhet: utvalgsskjevhet gjelder hvem som er med i undersøkelsen. Seleksjon gjelder hvem som havner i hvilken gruppe inne i undersøkelsen. En studie kan ha et perfekt representativt utvalg og likevel ha full seleksjon mellom gruppene.

Hvor det brukes på eksamen: dette er den mest treffsikre enkeltinnvendingen mot en evaluering av et frivillig tiltak, og den er lett å begrunne konkret.

Et årsaksutsagn påstår noe om hva som ville skjedd uten årsaken. Den situasjonen finnes ikke i materialet, og derfor må den erstattes av en sammenligning med noe som ligner nok.

Det kan være en gruppe som ikke fikk tiltaket, en periode før tiltaket, eller en tilsvarende kommune uten ordningen. Kvaliteten på slutningen avhenger helt av hvor godt sammenligningen erstatter den situasjonen som ikke finnes.

Distinksjonen mot en ren beskrivelse av utviklingen: at noe har gått opp etter et tiltak, sier ingenting uten et sammenligningsgrunnlag — utviklingen kunne ha kommet uansett.

Hvor det brukes: dette er det korteste svaret på hvorfor «før og etter»-tall alene ikke kan begrunne at et tiltak virket, og det passer i nesten enhver anvendelsesoppgave om evaluering.

Å holde fast et forhold som ligger mellom årsak og virkning, og deretter konkludere med at årsaken ikke virker.

Holder man ferdighetsnivået fast når man undersøker om et kurs virker, forsvinner kursets virkning fra tallene — men bare fordi man har fjernet nettopp den veien kurset virker gjennom. Konklusjonen blir da gal på en måte som ser statistisk forsvarlig ut.

Distinksjonen mot manglende kontroll: for lite kontroll gir spuriøse sammenhenger som ser ut som årsaker. For mye kontroll skjuler ekte årsaker. Begge deler er feil, og ingen av dem kan oppdages ved å se på tallene alene.

Hvor det brukes: dette er en A-markør. Å påpeke at «kontroll for alt man har» ikke er et ideal, viser at kandidaten forstår hva kontroll gjør og ikke bare at det skal gjøres.

Valget av hva som skal holdes fast, kan ikke tas ut fra tallene. Det må begrunnes faglig: hvilke forhold er det rimelig å tro at påvirker både årsak og virkning?

Dette er grunnen til at metodekunnskap alene ikke er nok. Uten kunnskap om saken vet man ikke hvilke bakenforliggende forhold som finnes, og kan derfor verken kontrollere for dem eller savne dem.

Distinksjonen mot å prøve seg fram: å legge inn alle tilgjengelige variabler til sammenhengen forsvinner, er ikke kontroll. Det er overkontroll i systematisk form, og det gjør enhver sammenheng mulig å fjerne.

Hvor det brukes på eksamen: dette gir deg en presis setning i drøftingsleddet: kontrollen er bare så god som teorien bak valget av kontrollvariabler.

Når opplysningene er samlet inn på ett tidspunkt, kan rekkefølgen mellom to forhold ikke leses ut av materialet. Krav 2 må da begrunnes med teori, eller ved at opplysningene om årsaken gjelder et tidligere tidspunkt.

Et opplegg som følger de samme enhetene over tid, løser dette delvis: har man målt begge forhold to ganger, kan man se hvilket som endret seg først.

Distinksjonen mot kontroll for tredje variabel: tidsrekkefølgen svarer på krav 2, ikke på krav 3. En sammenheng kan ha helt riktig rekkefølge og likevel være spuriøs.

Hvor det brukes: dette er den konkrete grunnen til at en tverrsnittsundersøkelse sjelden kan bære en årsakspåstand, og det er en innvending som alltid er relevant og alltid holdbar.

At en sammenheng forsvinner ved kontroll, kan bety tre helt ulike ting, og en god besvarelse skiller dem.

(1) Sammenhengen var spuriøs: et bakenforliggende forhold frembrakte begge.
(2) Sammenhengen var ekte, men indirekte: forholdet man kontrollerte for, var et mellomledd, og da har man nettopp vist hvordan årsaken virker.
(3) Materialet var for lite til å påvise sammenhengen inne i de mindre gruppene, slik at den forsvant i usikkerheten.

Distinksjonen som avgjør: de tre kan ikke skilles ved å regne mer. De skilles ved å spørre hva som kom først, og hva teorien sier om rekkefølgen mellom de tre forholdene.

Hvor det brukes på eksamen: dette er det enkeltgrepet som løfter en drøfting av et talleksempel fra korrekt til selvstendig.

En lovmessighet som gjelder uten unntak: hver gang betingelsene er til stede, inntreffer utfallet.

Slike lover er idealet i den klassiske vitenskapsmodellen, og de gjør en helt bestemt ting mulig: fra loven og opplysninger om et enkelttilfelle kan utfallet utledes med sikkerhet.

Distinksjonen mot robust avhengighet: den universelle loven tåler ikke et eneste moteksempel. Ett tilfelle der betingelsene var til stede uten at utfallet kom, feller den. Robuste avhengigheter tåler unntak ved konstruksjon, fordi de bare hevder at utfallet er mer sannsynlig.

Presisering: at samfunnsvitenskapen sjelden finner universelle lover, betyr ikke at den ikke leter etter systematikk. Det betyr at systematikken som finnes, har en annen form.

En sammenheng som holder stort sett, på tvers av ulike sammenhenger og tidsrom, men ikke uten unntak. Utfallet er mer sannsynlig når betingelsen er til stede, ikke garantert.

Dette er den formen samfunnsvitenskapelige sammenhenger vanligvis har. At mennesker handler ut fra grunner de selv kan endre, gjør unntaksfrihet lite realistisk — og det er en av grunnene til at faget likevel kan si noe systematisk.

Distinksjonen mot en tilfeldig sammenheng: «robust» er ikke et forbehold, men en påstand: sammenhengen holder på tvers av utvalg, tidsrom og målemåter. En sammenheng som bare finnes i ett materiale, er ikke robust, den er uetterprøvd.

Hvor det brukes på eksamen: dette er begge sider av kapitlets drøftingsakse i én setning. Robust avhengighet kan leses som en svakere form for kunnskap, eller som en annen form som passer et felt der aktørene selv kan endre atferd.

Modellen for hva en forklaring er i den klassiske vitenskapsmodellen: fenomenet forklares ved at det kan utledes av en eller flere generelle lover sammen med opplysninger om den konkrete situasjonen.

Forklaringen har altså form av et gyldig resonnement: gitt loven og betingelsene, måtte utfallet komme.

Distinksjonen mot en forklaring som viser trinnene: den deduktivt-nomologiske modellen krever ikke at man vet hvordan årsaken virker, bare at utfallet følger av loven. Nettopp den mangelen er utgangspunktet for mekanismeforklaringen i kap. 4.5.

Hvor det brukes: dette er den ryddigste inngangen til spørsmålet om hva samfunnsvitenskapen mangler når den mangler universelle lover — og dermed til hva den setter i stedet.

I den deduktivt-nomologiske modellen er forklaring og forutsigelse samme resonnement, brukt i hver sin tidsretning. Kjenner du loven og betingelsene før utfallet, kan du forutsi det. Kjenner du dem etterpå, kan du forklare det.

Symmetrien er en test: en forklaring som ikke kunne vært brukt til å forutsi utfallet, er som regel en fortelling laget i ettertid.

Distinksjonen mot samfunnsvitenskapelig praksis: symmetrien er svak i samfunnsvitenskapen. Vi forklarer hendelser vi ikke kunne forutsagt, blant annet fordi sammenhengene er robuste og ikke universelle, og fordi initialbetingelsene sjelden er fullstendig kjent.

Hvor det brukes på eksamen: dette er et konkret argument i drøftingen av om robust avhengighet er svakere kunnskap. Det svekker forutsigelsen mer enn forklaringen — og det er en presis observasjon, ikke en unnskyldning.

Opplysningene om den konkrete situasjonen som loven skal anvendes på. Uten dem gir en lov ingen forklaring på noe bestemt.

Dette er en viktig del av forklaringen på hvorfor forutsigelse er vanskeligere enn forklaring i samfunnsvitenskapen: betingelsene er mange, de er sjelden fullstendig kjent på forhånd, og de endrer seg mens man observerer.

Distinksjonen mot selve loven: loven er det generelle, initialbetingelsene det konkrete. En feilslått forutsigelse kan derfor skyldes at loven er gal, eller at man tok feil om betingelsene — og de to lar seg ofte ikke skille i ettertid.

Hvor det brukes: dette er et presist svar på hvorfor samfunnsvitenskapen kan forklare mer enn den kan forutsi.

At det som studeres, påvirkes av mange forhold samtidig og ikke kan skjermes fra omverdenen slik et laboratorium kan.

Dette er en av de vanligste begrunnelsene for at samfunnsvitenskapelige sammenhenger er robuste snarere enn universelle: en sammenheng kan holde i én sammenheng og ikke i en annen, uten at noen av dem er feilmålt.

Distinksjonen mot måleusikkerhet: i et åpent system er variasjonen ikke bare støy — den er reell variasjon i hvilke andre forhold som virker samtidig.

Presisering: dette er en forklaring, ikke en unnskyldning. Kravet om å begrunne en årsaksslutning blir ikke svakere av at systemet er åpent; det blir vanskeligere å oppfylle, og forbeholdene må derfor skrives ut.

Et skille mellom det som er sikkert og uomtvistelig, og det som er godt begrunnet uten å være sikkert.

Poenget i pensum er at samfunnsvitenskapelig innsikt hører til den andre kategorien, og at dette ikke er en innrømmelse av svakhet: godt begrunnede påstander med kjente forbehold er nettopp det et fag kan levere om åpne systemer med handlende mennesker.

Distinksjonen mot synsing: avstanden mellom «godt begrunnet, med forbehold» og «det er umulig å vite noe» er hele faget. En besvarelse som glir fra det første til det andre, har misforstått poenget fullstendig.

Hvor det brukes på eksamen: dette er den naturlige landingen i en drøfting av robust avhengighet — og det er et sted der en presis formulering skiller seg tydelig ut.

Et forhold som må være til stede for at utfallet skal kunne inntreffe, men som ikke i seg selv er nok.

At en søker oppfyller opptakskravet, er nødvendig for å komme inn på studiet, men ikke tilstrekkelig — det avhenger også av konkurransen.

Distinksjonen mot tilstrekkelig betingelse: en nødvendig betingelse utelukker utfallet når den mangler. En tilstrekkelig betingelse garanterer det når den er til stede. De fleste årsaker i samfunnsvitenskapen er verken det ene eller det andre — de er forhold som gjør utfallet mer sannsynlig.

Hvor det brukes: begrepsparet gir deg et presist språk når du skal si hva slags årsak du snakker om, og det er en enkel måte å vise presisjon på i et redegjørelsesledd.

Et forhold som garanterer utfallet når det er til stede, men som ikke er den eneste veien dit.

Å stryke på flervalgsdelen er tilstrekkelig for ikke å bestå eksamen, men ikke nødvendig — man kan også stryke på den skriftlige delen.

Distinksjonen mot nødvendig betingelse: de to spør om hver sin retning. Er den nødvendige borte, kan utfallet ikke komme. Er den tilstrekkelige til stede, må utfallet komme. Et forhold kan være begge deler, ingen av delene, eller bare det ene.

Hvor det brukes: når en oppgave ber deg drøfte om noe «er årsaken» til noe annet, er dette språket som gjør svaret presist — de fleste årsaker er bidragende, ikke tilstrekkelige.

Et forhold som øker sjansen for utfallet uten å være verken nødvendig eller tilstrekkelig. De fleste årsaker samfunnsvitenskapen finner, er av denne typen.

At et tiltak er en bidragende årsak, betyr at utfallet er mer sannsynlig med tiltaket enn uten — for gruppen. Det sier lite om den enkelte, og det er nettopp derfor probabilistiske sammenhenger er vanskelige å bruke i enkeltsaker.

Distinksjonen mot nødvendig og tilstrekkelig betingelse: de to andre er absolutte krav, mens en bidragende årsak beskriver et bidrag. Å kalle en bidragende årsak «årsaken» i bestemt form er en av de vanligste presisjonsfeilene i drøftingsledd.

Hvor det brukes på eksamen: dette gir deg det riktige ordet når du skal si hva et tiltak faktisk gjør, og det er en enkel måte å vise presisjon på når oppgaven ber deg vurdere om noe «er årsaken» til noe annet.

En sammenheng der utfallet er fullstendig bestemt av betingelsene: samme betingelser gir alltid samme utfall.

Deterministiske sammenhenger svarer til universelle lover, og de tillater sikre slutninger om enkelttilfeller.

Distinksjonen mot probabilistisk sammenheng: i en deterministisk sammenheng er et eneste moteksempel nok til å felle påstanden. I en probabilistisk sammenheng er moteksempler forventet, og de feller ingenting så lenge mønsteret holder.

Hvor det brukes: dette begrepsparet er den presise formen av skillet mellom universell lov og robust avhengighet, og det gir deg et ekstra ledd i et redegjørelsesledd.

En sammenheng der betingelsen gjør utfallet mer sannsynlig uten å bestemme det. De fleste samfunnsvitenskapelige sammenhenger har denne formen.

Det har en viktig konsekvens for hva slutninger kan brukes til: en probabilistisk sammenheng sier noe om grupper, og lite om det enkelte tilfellet. At en ordning øker sjansen for gjennomføring, betyr ikke at den vil virke for den neste personen som møter opp.

Distinksjonen mot en usikker måling: her er usikkerheten i verden, ikke i instrumentet. Bedre måling gjør ikke sammenhengen deterministisk.

Hvor det brukes på eksamen: dette er kjernen i det andre drøftingsspørsmålet i kapitlet — kan en sammenheng som holder i ni av ti tilfeller, bære et politisk tiltak?