Теперь, Вольфганг Видерман, количественная психология и доцент в Университете Педагогического колледжа Миссури, и Александр фон Эие, количественный методолог в Университете штата Мичиган, развивали новую статистическую технику, которая может помочь ученым определить причинную обусловленность эффектов, которые они изучают. Видерман говорит, что этот метод может помочь ученым продвинуть исследование, которое иначе остановилось бы в его ранних фазах.
«Это – ограничение наблюдательных исследований, таких как курение и пример депрессии, что ученые могут только найти связи и корреляции между действиями и эффектами», сказал Видерман. «Часто, это происходит из-за этического лица ученых границ. Было бы неэтично попросить, чтобы некурящие начали курить, чтобы видеть, появляются ли депрессивные признаки, который был бы единственным истинным способом определить причинную обусловленность. Этот новый статистический подход может помочь предоставить ученым направление или причину, в их исследовании вместо того, чтобы только найти связи или корреляции».В серии из шести недавно опубликованных работ Видерман и фон Эие иллюстрировали эффективность их подхода, применив наблюдательные данные из исследований, выполненных другими учеными.
Одно такое исследование показало данные, находящие корреляцию между детьми с синдромом дефицита внимания и гиперактивности (ADHD) и высоким уровнем лидерства в крови. Этически, ученые не могли ввести детей с лидерством, чтобы определить, заставило ли оно признаки ADHD появляться, таким образом, самое определенное нахождение их исследования могло доказать, была просто связь между этими двумя условиями.
Видерман и фон Эие применили эти данные к своей статистической модели и смогли определить направление от исследования: то, что высокий уровень лидерства в крови может вызвать признаки ADHD в детях.В другом примере Видерман и фон Эие нашли поддержку иерархических этапов развития в том, как дети изучают и обрабатывают числа и математику.
Видерман говорит, что эта новая техника определяет это, исследуя дистрибутивные особенности данных, такие как асимметрия в переменных распределениях.«Это – современный миф, что все наборы данных сидят на симметрическом, обычно распределенные кривые нормального распределения», сказал Видерман. «В действительности у каждого набора данных для каждого исследования есть некоторый уровень ‘ненормальности’. Принятие во внимание дистрибутивных особенностей приводит к ситуациям, где две переменные не могут быть обменены в их статусе как причина и следствие, систематически не нарушая предположения о модели. Эти систематические нарушения могут использоваться, чтобы определить, вызывают ли действие или условие определенный эффект (высокие ведущие уровни в крови, вызывающие ADHD) от достаточно больших объемов выборки наблюдательных данных.
Это могло быть важным инструментом для ученых, чтобы использовать в содействии их исследованию. Этические границы в научных экспериментах, конечно, всегда будут оставаться, таким образом мы должны начать работать над раздвижением границ того, что мы можем узнать из наблюдательных данных».Видерман и шесть исследований фон Эие были изданы в британском Журнале Математической и Статистической Психологии, Журнале Ориентированного Людьми Исследования, Образовательного и Психологического Измерения, Многомерного Поведенческого Исследования, Международного журнала Поведенческого развития и Психологических Методов. В недавно изданном объеме «Статистика и Причинная связь: Методы для Прикладного Эмпирического Исследования», отредактированного Видерманом и фон Эие, текущее состояние дел в методологии зависимости направления представлено.
Видерман и фон Эие представляют их методики в метрических и категорических областях данных, другие исследователи со всего мира представляют подходы моделирования, которые связаны с зависимостью направления, и ведущие философы обсуждают отношение этих методов на философские счета причинной связи.