Kausales Denken, Bayes-Netze und die Markov-Bedingung

25
send sein. Die reine (Markov-konforme) Kausalinferenz interagiert hier also mit
der Inferenz bezüglich der Kategorie, welche Markov-Verletzungen auf der Ebene
der beobachtbaren Variablen erzeugt.
Im Feature-Uncertainty-Modell werden die Variablen des kausalen Systems,
also C, E 1 , E 2 und E 3 , als nicht direkt beobachtbar gedacht. Beobachtet
werden stattdessen die beobachtbaren Instanzen , , und , die aber mit
einer gewissen Unsicherheit hinsichtlich der wahren Ausprägung der zugrunde
liegenden Variablen verbunden sind. Beobachtet man hier wieder z.B. bei Anwesenheit
der Ursache-Instanz C‘ die Abwesenheit zweier Effekt-Instanzen, so kann
man dies darauf zurückführen, dass die wahre Ursache C möglicherweise gar
nicht anwesend ist und der nicht beobachtete Effekt daher auch nicht anwesend
sein sollte. Die (wieder Markov-konforme) Kausalinferenz interagiert in diesem
Modell mit der Unsicherheit hinsichtlich der Ausprägung der beobachtbaren Variablen.
Beide Modelle machen für die beiden durchgeführten Experimente die
gleichen Vorhersagen. In weiteren Experimenten testeten Rehder und Burnett
(2005) die Vorhersagen dieser Modelle in neuen Kontexten und kamen zu dem
Schluss, dass das Underlying-Mechanism-Modell die Befunde am besten erklärt.
2.4 Kausale Prozesse, Fehlerstrukturen und die Markov-Bedingung
Die Ergebnisse von Rehder und Burnett (2005) zeigen deutlich, dass die A-priori-
Annahme der Validität der Markov-Bedingung unangemessen ist. Walsh und
Sloman (2004) sowie Rehder (2006) konnten des Weiteren zeigen, dass Markov-
Verletzungen auch außerhalb des kategorialen Kontextes auftreten (z.B. bei der
Beurteilung der konditionalen Abhängigkeit ökonomischer Variablen), ohne jedoch
eine Erklärung hierfür anzubieten (außer, dass menschliches Kausaldenken
möglicherweise schlicht irrational ist). Das von Rehder und Burnett (2005) entwickelte
Modell lässt sich seiner Idee nach aber nur auf kausal verknüpfte Merkmale
von Kategorien anwenden und ist damit nicht geeignet, Markov-Verletzungen
als allgemeines Phänomen zu beschreiben. Die zugrunde liegende Erklärung ist
auch wie oben beschrieben nicht direkt kausaler Natur: Im Underlying-
Mechanism-Modell wie auch im Feature-Uncertainty-Modell interagiert die (immer
noch) Markov-konforme Kausalinferenz mit anderen Inferenzprozessen, wie