134
个编辑
更改
→可移植性 Transportability
==可移植性 Transportability==
==可移植性 Transportability==
即使因果模型及对应的相关数据不同，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实验数据合并。<ref name=":1" />{{rp|[{{google books|plainurl=y|id=9H0dDQAAQBAJ|page=352}} 352]}}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。
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。
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。
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<math>P(W|X)</math>）可以提高结论的准确性。
五，结合多个研究的估计值（例如<math>P(W|X)</math>）可以提高结论的准确性。<ref name=":1" />{{rp|[{{google books|plainurl=y|id=9H0dDQAAQBAJ|page=355}} 355]}}
do演算为移植提供了一个一般性准则：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。<ref name=":1" />{{rp|[{{google books|plainurl=y|id=9H0dDQAAQBAJ|page=355}} 355]}}有一个类似的规则适用于参与者相对不同的研究。<ref name=":1" />{{rp|[{{google books|plainurl=y|id=9H0dDQAAQBAJ|page=356}} 356]}}
==贝叶斯网络 Bayesian network==
==贝叶斯网络 Bayesian network==