Как люди оценивают причинно-следственные связи: новая модель pARIsmean для многозначных переменных

Введение

Способность человека выявлять причинно-следственные связи на основе наблюдательных данных — ключевой вопрос когнитивной науки. Предыдущие исследования показали, что модель pARIs наиболее точно описывает человеческие оценки причинности для бинарных переменных. В данной работе мы расширяем pARIs для многозначных переменных и предлагаем новую модель — pARIsmean.

Методология

Мы провели когнитивный эксперимент с участием 63 человек, где участники оценивали силу влияния многозначных причин на бинарные исходы. Было предложено шесть кандидатов в модели-расширения pARIs, включая pARIs_merge, pARIs_mean и другие. Для анализа использовались:

• Критерий AICc и BIC
• Коэффициент корреляции Пирсона

«pARIs_mean демонстрирует наилучшее соответствие экспериментальным данным (r = 0.976), что указывает на ее высокую описательную силу»

Заключение

Модель pARIs_mean подтвердила свою эффективность как:

1. Описательная модель человеческих суждений
2. Надежный estimator взаимной информации при малых выборках

Результаты согласуются с принципом рационального анализа: человеческое мышление оптимизировано для работы с редкими событиями и ограниченными данными.