AI 词汇表
人工智能完整词典
因果推断
旨在通过区分相关性与真实因果关系来建立变量间因果关系的统计过程，对于理解干预措施的实际影响至关重要。
有向无环图（DAG）
变量间因果关系的图形表示，其中节点代表变量，有向箭头表示直接影响，不可能存在循环以保持因果一致性。
反事实
描述如果原因不同会发生什么的假设情景，通过比较实际情况与这种想象替代方案来估计因果效应。
混淆变量
同时影响所研究原因和结果的变量，产生虚假关联，可能被错误解释为直接因果关系。
倾向得分
给定观察到的协变量后接受特定治疗的条件概率，用于在非随机观察性研究中平衡组别并减少偏差。
do-演算
由Judea Pearl开发的一套形式规则，允许将因果表达式转换为可从观察数据计算的概率表达式。
因果干预
在系统中刻意操纵变量以观察其对其他变量的影响，与被动观察不同，因为它改变了潜在的因果结构。
平均因果效应（ACE）
干预对整个人口平均影响的聚合度量，计算为有治疗和无治疗时潜在结果之间的差异。
结构因果模型 (SCM)
结合结构方程和因果图的数学框架，用于明确表示数据生成机制和因果关系。
前门准则
因果可识别性条件，允许通过可观测的中介变量估计处理对结果的影响，即使存在未测量的混杂因素。
后门准则
关于需要调整的变量的一组条件，用于阻断处理与结果之间所有非因果路径，从而正确识别因果效应。
因果中介分析
对原因影响结果的机制进行定量分析，将总效应分解为通过中间变量的直接效应和间接效应。
格兰杰因果关系
统计概念，确定一个时间序列是否显著预测另一个时间序列，基于包含过去值时预测精度的改善。
处理组平均处理效应 (ATT)
衡量处理对实际接受处理的个体的平均因果影响，适用于评估针对性项目的有效性。
混杂偏倚
由于未控制的同时影响暴露和结果的因素导致的处理效应估计的系统性失真。
因果随机化
随机分配处理的技术，用于系统性地消除混杂偏倚，确保可比组仅在接收的处理上存在差异。
因果路径分析
一种定量方法，通过预先设定的因果关系网络将总相关性分解为直接效应和间接效应。
因果可迁移性
将源群体中估计的因果效应推广到不同目标群体的能力，通过调整分布差异来实现。