跨群体因果性研究的是已知因果关系跨越群体能否成立的问题,即研究原因变量跨越群体能否产生效应,也被称为因果外推问题。跨群体因果外推面临的主要困难是相关群体的背景要素无法全部获悉,导致了原因变量跨越群体后的效应不易确定。面对这一问题,哲学研究者在形式技术层面使用因果建模的方法来进行研究。南希·卡特赖特(N.Cartwright)和杰里米·哈迪(J.Hardie)使用线性模型进行证据性解释,这样的解释面临原因变量选择的困难,只适用于受限制的群体集合。丹尼尔·斯蒂欧(D.Steel)进行了跨越生物学实验和社会学边界的因果外推研究,使用可比较追踪进程的方法来确定原因变量,构造了一种机制解释模型。但是在原因变量与其产生的效应之间只能构造唯一一条路径,对于负向效应的原因变量缺乏适用性,无法解释一些因果外推的特例。朱迪亚·珀尔(J.Pearl)和伊莱亚斯·巴伦布瓦姆(E.Bareinboim)提供了图形化建模的决策方法,构造了可选择模型图,整体构思是建立在因果性可传输框架之上。但是,跨群体的因果条件并不能通过可传输性框架传递,并且作为平均趋势的估计,有一些特殊的原因变量效应无法通过可传输性框架进行确定。这就需要从一个新的视角探讨因果建模方法,以便发现更好的因果模型,用以解决跨群体因果外推问题。从协调合理性的视角看,跨群体因果模型的发展体现了修正模型以增强协调力的改进策略,逐步扩大模型的经验协调力、概念协调力和背景协调力。使用调节技术分析因果路径与设置因果机制是模型修正的关键。在此基础之上比较、综合代表性模型的优势形成了新的因果调节模型。因果调节模型使用调节技术结合因果机制干预调节因子M,对于多条因果路径进行比较准确地描述,并且将图形化建模与线性方程联系起来,在一定程度上确定原因变量的跨群体效应,能够表征较为广泛意义上的跨群体因果关系。调节因子M发挥了转化与限定原因变量的关键作用,属于因果模型中“核心解子”的重要组成部分,因果建模方法成为了进一步解决跨群体因果外推问题的有效科学方法。