orsaksförklaringar

Orsaksförklaringar är förklaringar som anger vilka orsaker som ligger bakom ett fenomen. De söker förstå varför något händer och hur olika faktorer samverkar. I vetenskapligt arbete används ofta en skillnad mellan orsaksförklaringar och enkla samband: en giltig orsaksförklaring pekar på varför en effekt uppstår efter en viss orsak och ofta vilken mekanism som binder dem samman.

Typiska sätt att formulera orsaksförklaringar är mekaniska förklaringar som beskriver underliggande processer, strukturella eller systemiska förklaringar som betonar hur sociala, ekonomiska eller organisatoriska faktorer bidrar till fenomenet, samt kausala modeller som representerar orsak–verkan-relationer mellan variabler. Inom statistik talar man ofta om probabilistiska orsaksförklaringar där orsaken ökar sannolikheten för effekten utan att bestämma den helt.

Metoderna inkluderar kontrollerade experiment, där man manipulerar en variabel och observerar effekten, samt observationella studier där man försöker hantera förväxlingsvariabler. En vanlig tanke inom kausalitet är kontrafaktiskt resonerande: hur hade fenomenet blivit om orsaken inte funnits? Kausal inferens kräver tydliga antaganden om hur variablerna hänger ihop.

Användningsområden finns inom medicin, naturvetenskap, samhällsvetenskap och historia när man vill förutsäga effekter eller utforma åtgärder. Begränsningar innefattar att orsaksmodeller bygger på antaganden och data tillåter ändå tolkningar som kan vara felaktiga om modellen är missvisande.