链接合，叉接合，对撞接合

定义

接合(junction)是包含两个连接的三节点网络，是所有贝叶斯网络及因果网络的构建模块。接合有三种基本形式：链接合、叉接合、对撞接合

链结合是最简单的接合表现形式。在科学中，人们常常将B视为某种机制，或“中介物”，它将A的效应传递给C。

例：“火灾→烟雾→警报”

在链结合中，中介物B“屏蔽”(screen off)了从A到C的信息或从C到A的信息。例如，一旦我们知道了烟雾的“值”，关于火的任何新信息便不会再以任何理由让我们增强或削弱对警报的信念。

在叉接合中，B通常被视作A和C的共因(common cause)或混杂因子(confounder)。混杂因子会使A和C在统计学上发生关联，即使它们之间并没有直接的因果关系。

例：“鞋的尺码←孩子的年龄→阅读能力”

穿较大码的鞋的孩子往往阅读能力较强。但这种关系是非因果的——给孩子穿大一号的鞋不会让他有更强的阅读能力，相反，这两个变量的变化都可以通过第三个变量，即孩子的年龄来解释。越年长的孩子鞋码越大，他们的阅读能力也越强。

当以变量B为条件时，对撞接合与链接合或叉接合的运作方式正好相反。如果A和C原本是相互独立的，那么给定B将使它们彼此相关。

例：才华→名人←美貌

若只选著名演员的数据，那么我们就会看到才华与美貌之间出现了负相关，这种负相关可以解释为：发现某位名人并不美貌这一事实，会使我们更相信他富有才华。这种负相关有时被称为对撞偏倚或“辩解”效应(explain-away effect)

因果模型通过三种接合连接起来，构成了系统信息的传输，对于模型上信息的传输可以直观理解为：将连接看作一个管道，管道将信息从X点传递到Y点。其中信息的传递是双向的，既在因果方向传递，也在非因果方向传递，其中重要的是控制非因果路径，容易造成混杂，影响结论。

如何阻断信息在接合中的流动：

a. 链接和（A→B→C）：控制B可防止有关A的信息流向C或C的信息流向A

b. 叉接合（A←B→C）：控制B可以防止有关A的信息流向C或C的信息流向A

c. 对撞接合（A→B←C）：控制B后由于辩解效应的存在，信息会在“管道”中流通