134
个编辑
更改
跳到导航
跳到搜索
第118行：
第118行： − + − 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。<ref name=":1" />{{rp|[{{google books|plainurl=y|id=9H0dDQAAQBAJ|page=113}} 113]}}+ − 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。<ref name=":1" />{{rp|[{{google books|plainurl=y|id=9H0dDQAAQBAJ|page=114}} 114]}}+ 第132行：
第132行： − 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。<ref name=":1" />{{rp|[{{google books|plainurl=y|id=9H0dDQAAQBAJ|page=115}} 115]}} <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。<ref name=":1" />{{rp|[{{google books|plainurl=y|id=9H0dDQAAQBAJ|page=197}} 197]}}+
→接合方式 Junction Patterns
因果模型具有形式结构，其元素具有特定的属性。<ref name=":1" />
因果模型具有形式结构，其元素具有特定的属性。<ref name=":1" />
===== 接合方式 Junction Patterns =====
===== 连接方式 Junction Patterns =====
三个节点的连接类型有三种，分别是线型的链，分支型的叉和合并型的对撞。<ref name=":1" />
三个节点的连接类型有三种，分别是线型的链，分支型的叉和合并型的对撞。<ref name=":1" />
====== 链 Chain ======
====== 链 Chain ======
链（结构）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。<ref name=":1" />{{rp|[{{google books|plainurl=y|id=9H0dDQAAQBAJ|page=113}} 113]}}
:<math> A \rightarrow B \rightarrow C</math>
:<math> A \rightarrow B \rightarrow C</math>
====== 叉 Fork ======
====== 叉 Fork ======
在叉（结构）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。<ref name=":1" />{{rp|[{{google books|plainurl=y|id=9H0dDQAAQBAJ|page=114}} 114]}}
:<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）。
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>'''。{{clarify|reason=Why is this case interesting? Why is B called a cofounder?|date=January 2019}}.<ref name=":1" />{{rp|[{{google books|plainurl=y|id=9H0dDQAAQBAJ|page=114}} 114]}}
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>'''。{{clarify|reason=Why is this case interesting? Why is B called a cofounder?|date=January 2019}}.<ref name=":1" />{{rp|[{{google books|plainurl=y|id=9H0dDQAAQBAJ|page=114}} 114]}}
====== 对撞 Collider ======
====== 对撞 Collider ======
在对撞（结构）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。<ref name=":1" />{{rp|[{{google books|plainurl=y|id=9H0dDQAAQBAJ|page=115}} 115]}} <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。<ref name=":1" />{{rp|[{{google books|plainurl=y|id=9H0dDQAAQBAJ|page=197}} 197]}}
:<math> A \rightarrow B \leftarrow C</math>
:<math> A \rightarrow B \leftarrow C</math>