更改

X对Y的间接效应是<font color="#32cd32">increase we would see in Y while holding X constant and increasing M to whatever value M would attain under a unit increase in X </font>。

X对Y的间接效应是<font color="#32cd32">increase we would see in Y while holding X constant and increasing M to whatever value M would attain under a unit increase in X </font>。

间接效应不能被控制，因为不能通过保持另一个变量恒定来禁用直接路径。自然间接效应（NIE）是使用牙线（M）对牙龈健康（Y）的影响。自然间接效应NIE的计算方式为（使用无牙线和无牙线的情况）给定牙医和没有牙医的情况下使用牙线的概率微分的和，或

间接效应不能被控制，因为不能通过保持另一个变量恒定来禁用直接路径。自然间接效应（NIE）是使用牙线（M）对牙龈健康（Y）的影响。自然间接效应NIE的计算方式为（使用无牙线和无牙线的情况）给定牙医和没有牙医的情况下使用牙线的概率微分的和，或

:<math>  NIE=\sum _{m}[P(M=m|X=1)-P(M=m|X=0)]P(Y=1|X=0,M=m)}</math>

:<math>  NIE=\sum _{m}[P(M=m|X=1)-P(M=m|X=0)]P(Y=1|X=0,M=m)</math>

自然直接效应NDE计算包括了反事实步骤(:<math>Y_{M=M0}}</math>)。对于非线性模型，下列看上去显然的等式

自然直接效应NDE计算包括了反事实步骤(:<math>Y_{M=M0}</math>)。对于非线性模型，下列看上去显然的等式

:<math> Total effect=Direct effect + Indirect effect</math>

:<math> Total effect=Direct effect + Indirect effect</math>

是不成立的，因为<font color="#32cd32"> anomalies such as threshold effects and binary values</font>。然而，

是不成立的，因为<font color="#32cd32"> anomalies such as threshold effects and binary values</font>。然而，

:<math>Total effect(X=0\rightarrow X=1)=NDE(X=0\rightarrow X=1)-NIE(X=1\rightarrow X=0)}</math>

:<math>Total effect(X=0\rightarrow X=1)=NDE(X=0\rightarrow X=1)-NIE(X=1\rightarrow X=0)</math>

对于所有线性和非线性模型都是可以生效的。它允许NDE直接从观测的数据计算出了，不需要干预或使用反事实下标。

对于所有线性和非线性模型都是可以生效的。它允许NDE直接从观测的数据计算出了，不需要干预或使用反事实下标。

==可移植性==

==可移植性==

即使因果模型（和相关数据）不同，因果模型也提供了一种工具来集成跨数据集的数据，称为移植。例如，调查数据可以与随机对照试验数据合并。移植提供了一个外部有效性问题的解决方案，即一项研究是否可以在不同的背景下应用。

即使因果模型（和相关数据）不同，因果模型也提供了一种工具来集成跨数据集的数据，称为移植。例如，调查数据可以与随机对照试验数据合并。移植提供了一个外部有效性问题的解决方案，即一项研究是否可以在不同的背景下应用。

一，如果两个模型在所有相关变量上都匹配并且已知来自其中一个模型的数据是无偏的，则可以使用一个总体的数据得出关于另一个总体的结论。二，已知数据存在偏差，则重加权可以允许模型在数据集间移植。三，可以从不完整的数据集中得出结论。四，可以组合（移植）来自多个总体的研究数据，以得出有关未观测总体的结论。五，结合多个研究的估计值（例如P（W | X））可以提高结论的准确性。

一，如果两个模型在所有相关变量上都匹配并且已知来自其中一个模型的数据是无偏的，则可以使用一个总体的数据得出关于另一个总体的结论。二，已知数据存在偏差，则重加权可以允许模型在数据集间移植。三，可以从不完整的数据集中得出结论。四，可以组合（移植）来自多个总体的研究数据，以得出有关未观测总体的结论。五，结合多个研究的估计值（例如P(W|X)）可以提高结论的准确性。

Do演算为移植提供了一个通用标准：目标变量可以通过一系列不涉及任何“差异”变量（能够区分两个总体的变量）的do运算转换为另一个表达式。有一个类似的规则适用于参与者相对不同的研究。

Do演算为移植提供了一个通用标准：目标变量可以通过一系列不涉及任何“差异”变量（能够区分两个总体的变量）的do运算转换为另一个表达式。有一个类似的规则适用于参与者相对不同的研究。

==贝叶斯网络==

==贝叶斯网络==