587
个编辑
更改
无编辑摘要
此词条暂由因果科学读书会词条梳理志愿者我是猫（74989）翻译审校,趣木木编写，未经专家审核，带来阅读不便，请见谅。
此词条暂由因果科学读书会词条梳理志愿者我是猫（74989）翻译审校,趣木木编写，未经专家审核，带来阅读不便，请见谅。
== 概念来源 ==
== 概念来源 ==
干预是因果关系之梯的第二层级，在因果之梯第一层，即便是“以某个变量为条件（conditioning on）”的操作，也只是依据现有观测到的数据进行统计，并没有改变数据的分布。
干预是因果关系之梯的第二层级，在因果之梯第一层，即便是“以某个变量为条件（conditioning on）”的操作，也只是依据现有观测到的数据进行统计，并没有改变数据的分布。对一个变量进行干预与以该变量为条件的区别是很明显的。当我们在模型中对一个变量进行干预时，我们将固定这个变量的值。其他变量的值也随之改变。当我们以一个变量为条件时，我们什么也不会改变；我们只是将关注的范围缩小到样本的子集，选取其中我们感兴趣的变量的值。因此，以变量为条件改变的是我们看世界的角度，而干预则改变了世界本身。当我们进行干预以确定一个变量的值时，我们就限制了该变量随其他自然变量而变化的自然趋势。对应在图模型中，干预的操作将删除所有指向该变量的边。
实际应用中，干预非常重要，许多统计研究的最终目标是预测干预措施的效果。比如，当我们对一种新的抗癌药物进行研究时，我们试图确定当我们对病人进行药物干预时，病人的病情如何变化。当我们研究暴力电视节目和儿童的攻击行为之间的关系时，我们希望知道，干预减少儿童接触暴力电视节目是否会减少他们的攻击性行为；收集西部火灾相关因素的数据，其实是想要寻找可以干预的因素，以减少火灾的发生。
在统计学中，为了研究一个变量是否引起另一个变量的变化。我们通常会进行随机对照试验，这也被称为统计学的黄金准则。在一个正确的随机对照试验中，除了输入变量，所有影响输出变量的因素要么不变，要么是随机变化的，因此输出变量的任何改变必然由这一输入变量引起。不幸的是，很多问题不适合用随机对照试验来解决。比方说，我们不能控制天气，所以无法将引起火灾的变量随机化；研究暴力电视节目时，虽然可以随机选取参与者，但是很难有效的控制每个孩子看电视的行为，因此几乎不可能知道我们对孩子的控制是否有效，甚至在随机药物试验中，也会出现很多问题，参与者退出了，没有吃药，或者谎报吃药。在随机对照试验不可行的情况下，研究人员实施观察性研究，他们仅仅记录数据，而不是控制数据。这样的方式很难将因果关系从相关关系中提取出来。
温尼伯大学最近的一项研究表明，青少年过度发短信与（知识）“肤浅”相关。有媒体证实说，发短信使得青少年更加肤浅（从干预角度说，对青少年进行干预，使他们减少发短信的数量，进而不让他们那么“肤浅”）。但是，这个实验没有证明任何事情，既可能是肤浅使青少年发短信更多，也可能是肤浅和短信过多是由一个共同因素引起的，例如基因。如果可能的话，对该基因因素进行干预，即可更好的确定是何种原因导致了该结果。
由此，产生干预模型，通过do演算将因果关系从相关关系中分离出来。<!-- 写到这
-->
== 解决的问题 ==
== 解决的问题 ==