更改

朱迪亚・珀尔（[[Judea Pearl]]）在 1995 年提出的[[结构因果模型]]（Structural Causal Model，SCM）<ref name=pearl_1995>{{cite journal |last=Pearl |first=Judea |title=Causal Diagrams for Empirical Research |journal=Biometrika |volume=82 |number=4 |year=1995 |pages=702–710 |url=https://doi.org/10.1093/biomet/82.4.702}}</ref>，这是一种以[[有向无环图]]和[[结构方程]]为基础，通过清晰描绘变量间因果结构、进行反事实推理和因果效应估计的因果分析工具，可以用来帮助人们理解和分析变量之间因果关系，广泛应用于多个领域。珀尔在此基础上又提出了[[因果分析框架]]<ref name="pearl_2009">{{cite book |last1=Pearl |first1=Judea |title=Causality: Models, Reasoning, and Inference |edition=2nd |publisher=Cambridge University Press |year=2009 |isbn=978-0521895606 |url=https://doi.org/10.1017/CBO9780511803161}}</ref>，为因果分析提供了一套系统的、形式化的理论和方法体系，将因果关系划分为关联、[[干预]]、[[反事实]]三个层级，使得因果推理更加精确和实用。

朱迪亚・珀尔（[[Judea Pearl]]）在 1995 年提出的[[结构因果模型]]（Structural Causal Model，SCM）<ref name=pearl_1995>{{cite journal |last=Pearl |first=Judea |title=Causal Diagrams for Empirical Research |journal=Biometrika |volume=82 |number=4 |year=1995 |pages=702–710 |url=https://doi.org/10.1093/biomet/82.4.702}}</ref>，这是一种以[[有向无环图]]和[[结构方程]]为基础，通过清晰描绘变量间因果结构、进行反事实推理和因果效应估计的因果分析工具，可以用来帮助人们理解和分析变量之间因果关系，广泛应用于多个领域。珀尔在此基础上又提出了[[因果分析框架]]<ref name="pearl_2009">{{cite book |last1=Pearl |first1=Judea |title=Causality: Models, Reasoning, and Inference |edition=2nd |publisher=Cambridge University Press |year=2009 |isbn=978-0521895606 |url=https://doi.org/10.1017/CBO9780511803161}}</ref>，为因果分析提供了一套系统的、形式化的理论和方法体系，将因果关系划分为关联、[[干预]]、[[反事实]]三个层级，使得因果推理更加精确和实用。

21世纪初Giulio Tononi 和 Olaf Sporns 提出[[有效信息|有效信息 (EI)]]的概念<ref name=tononi_2003>{{cite journal |last1=Tononi|first1=G.|last2=Sporns|first2=O.|title=Measuring information integration|journal=BMC Neuroscience|volume=4 |issue=31 |year=2003|url=https://doi.org/10.1186/1471-2202-4-31}}</ref>，它可以用来衡量一个[[马尔科夫动力学]]的因果效应强度。它通过干预实验来排除其他因素的影响，通过比较干预前后状态之间的[[互信息]]来量化因果效应。

21世纪初Giulio Tononi 和 Olaf Sporns 提出[[有效信息|有效信息 (EI)]]的概念<ref name=tononi_2003>{{cite journal |last1=Tononi|first1=G.|last2=Sporns|first2=O.|title=Measuring information integration|journal=BMC Neuroscience|volume=4 |issue=31 |year=2003|url=https://doi.org/10.1186/1471-2202-4-31}}</ref>它通过干预实验来排除其他因素的影响，通过比较干预前后状态之间的[[互信息]]来量化因果效应。后续Erik Hoel等人将EI与因果涌现理论结合{{cite journal |last1=Hoel |first1=Erik |last2=Albantakis |first2=Larissa |last3=Tononi |first3=Giulio |title=Quantifying Causal Emergence Shows that Macro Can Beat Micro |journal=Proceedings of the National Academy of Sciences |volume=110 |issue=49 |year=2013 |pages=19790–19795 |url=https://doi.org/10.1073/pnas.1314922110}}，，它可以用来衡量一个[[马尔科夫动力学]]的因果效应强度，进一步扩展了其在复杂系统中的因果效应度量应用。

== 前提假设 ==

== 前提假设 ==