更改

==== 因果图 Causal Diagram ====

==== 因果图 Causal Diagram ====

因果图是一个有向图，它显示了因果模型中变量间的因果关系。因果图包括一组变量（或节点），每个节点通过箭头连接到一个或多个对其具有因果效应的其他节点。箭头描绘了因果的方向，例如，将变量 A 和 变量B 以指向 B 的箭头相连表示A的变化以某种概率导致B的变化。一条路径是两个节点间沿着因果箭头的图的遍历。

因果图是一个有向图，它显示了因果模型中变量间的因果关系。因果图包括一组变量（或节点），每个节点通过箭头连接到一个或多个对其具有因果效应的其他节点。箭头描绘了因果的方向，例如，将变量<math> A </math>和变量<math>B</math> 以指向 <math>B</math> 的箭头相连表示A的变化以某种概率导致<math>B</math>的变化。一条路径是两个节点间沿着因果箭头的图的遍历。

因果图包括'''<font color="#ff8000"> 因果环图 Causal Loop Diagrams </font>'''，'''<font color="#ff8000"> 有向无环图 Directed Acyclic Graphs </font>'''和'''<font color="#ff8000"> 鱼骨图 Ishikawa diagrams</font>'''。

因果图包括'''<font color="#ff8000"> 因果环图 Causal Loop Diagrams </font>'''，'''<font color="#ff8000"> 有向无环图 Directed Acyclic Graphs </font>'''和'''<font color="#ff8000"> 鱼骨图 Ishikawa diagrams</font>'''。

===== 链接合 Chain =====

===== 链接合 Chain =====

链接合是直线连接，箭头从原因指向结果。在这个模型中，B是中介变量，因为它调节了 A 对 C 的影响。

链接合是直线连接，箭头从原因指向结果。在这个模型中，<math>B</math>是中介变量，因为它调节了<math> A</math> 对<math> C</math> 的影响。

:<math> A \rightarrow B \rightarrow C</math>

:<math> A \rightarrow B \rightarrow C</math>

===== 叉接合 Fork =====

===== 叉接合 Fork =====

在叉接合中，一个原因有多种结果，这两种结果有一个共同的原因。 A 和 C 之间存在非因果的虚假相关性，可以通过把 B 作为条件（选取B的特定值）来消除虚假相关性。

在叉接合中，一个原因有多种结果，这两种结果有一个共同的原因。 <math>A </math>和<math> C</math> 之间存在非因果的虚假相关性，可以通过把<math> B</math> 作为条件（选取<math>B</math>的特定值）来消除虚假相关性。

:<math> A \leftarrow B \rightarrow C</math>

:<math> A \leftarrow B \rightarrow C</math>

“把B作为条件”是指“给定B”（即B取某个值）。

“把B作为条件”是指“给定B”（即B取某个值）。

某些情况下叉接合是混杂因子：

某些情况下叉接合是混杂因子：

:<math> A \leftarrow B \rightarrow C \rightarrow A</math>

:<math> A \leftarrow B \rightarrow C \rightarrow A</math>

在这样的模型中， B 是 A 和 C 的共同原因（ C 也是 A 的原因），这使B成为'''<font color="#ff8000"> 混杂因子 Confounder </font>'''。

在这样的模型中，<math> B </math>是<math> A </math>和<math> C </math>的共同原因（ <math>C</math> 也是<math> A </math>的原因），这使<math>B</math>成为'''<font color="#ff8000"> 混杂因子 Confounder </font>'''。

===== 对撞 Collider =====

===== 对撞 Collider =====

在对撞接合中，多种原因会影响一种结果。以 B 为条件（ B 取特定值）通常会揭示 A 与 C 之间的非因果的负相关。这种负相关被称为对撞偏差和“辩解”效应，即 B 解释了 A 与 C 之间的相关性。 A 和 C 两者都是影响 B 的必要因时，该相关性是正的。

在对撞接合中，多种原因会影响一种结果。以 <math>B</math> 为条件（ <math>B</math> 取特定值）通常会揭示 <math>A</math> 与<math> C</math> 之间的非因果的负相关。这种负相关被称为对撞偏差和“辩解”效应，即 <math>B</math> 解释了<math> A</math> 与 <math>C</math> 之间的相关性。 <math>A</math> 和<math> C</math> 两者都是影响 <math>B</math> 的必要因时，该相关性是正的。

:<math> A \rightarrow B \leftarrow C</math>

:<math> A \rightarrow B \leftarrow C</math>

==== 节点类型 Node Types ====

==== 节点类型 Node Types ====

===== 中介变量 Mediator =====

===== 中介变量 Mediator =====

中介变量节点修改了其他原因对结果的影响（这与原因简单地影响结果不同）。例如，在上面的链结构中，B是中介变量，因为它修改了 C 的间接原因 A 对结果变量 C 的影响。

中介变量节点修改了其他原因对结果的影响（这与原因简单地影响结果不同）。例如，在上面的链结构中，<math>B</math>是中介变量，因为它修改了 <math>C</math> 的间接原因<math> A</math> 对结果变量 <math>C</math> 的影响。

===== 混杂因子 Confounder =====

===== 混杂因子 Confounder =====