因果推理
变量共同变化并不足以单独证明一个变量导致另一个变量。
Definition
相关可以是因果线索，也可能来自共同原因、反向因果、选择机制或偶然。因果结论需要额外设计和假设。
核心概念
如何区分相关与因果
用共同原因、反向因果和对照思维审查因果标题。
回归均值
回归均值可能制造看似由干预导致的变化。
混杂变量
理解相关的局限是识别混杂的前提。
混杂是相关关系不能直接解释为因果的一种原因。
样本偏差
选择机制可能改变观察到的变量关系。
证据层级
研究设计和偏误风险决定因果证据的力度。
Provenance
每条事实性陈述单独标注认识状态，并指向具体来源条目。AI 不作为事实来源。