MENTAL MODEL · M13163
因果模型理论
Causal Models
更新于 2026-09-10
CORE DEFINITION · 核心定义
因果模型是用数学方式表示某个系统或总体内部因果关系的模型，它使我们能够从统计数据中推断因果关系，揭示因果性的认识论以及因果与概率之间的关系。它还被用于处理反事实的逻辑、决策理论和实际因果的分析等哲学议题。
SCAFFOLDING EFFECT · 脚手架效应
psychology
降低认知负荷
- 图形化变量：把系统画成有向图，暴露隐含的因果假设。 - 区分看与做：区分条件化与干预，别用观测数据回答干预问题。 - 检验模型：借图的分离与数据独立性比对，证伪错误箭头。
anchor
锚定快速决策
因果模型在概率分布之外额外编码了若干预则如何的信息：结构方程描述每个变量如何由其他变量决定，干预则是对某个方程的替换而非单纯的条件化。马尔可夫条件把图中的分离关系与概率独立联系起来，使数据能检验模型；忠实性与极小性则约束模型的选取，避免任意添加箭头。
MINIMUM ACTION · 最小行动
进行中 0/4在一个真实场景中练习这个模型：
勾选记录你的进度（本机暂存）
掌握进度0%
account_tree知识谱系 Genealogyexpand_more
menu_book信源参考 Sourcesexpand_more
来源明确性: 明确
- plato.stanford.eduhttps://plato.stanford.edu/entries/causal-models/verified
PRIVATE NOTES · 仅自己可见
已保存问答
ENTRY Q&A · 可保存至我的笔记
在清晰边界内提问
thinkingmodels 仅基于已发布的条目上下文回答。
你的问题会发送给 thinkingmodels；回答仅使用公开词条上下文。
RELATED MODELS · 相关模型