分类
实验方法与因果推断
浏览“实验方法与因果推断”中的 36 篇免费思维模型文章。
2 篇文章
混杂与偏倚
4 篇文章
假设检验与统计功效
5 篇文章
随机对照试验
3 篇文章
效度威胁
13 篇文章
因果图（DAG）
碰撞偏倚与选择偏倚
了解为什么以共同结果为筛选条件，会制造虚假相关，让你对现实的认识出现偏差。
阅读文章共同原因（混杂因素）
了解隐藏的第三个因素如何让两件本无关联的事看起来存在联系。
阅读文章有向无环图的常见错误
绘制和解读因果图时，有些本可避免的错误会让结论产生偏倚。
阅读文章相关性与因果关系
两件事一起发生，并不代表其中一件导致了另一件——分清这一点，能帮你避免被数据中的巧合误导。
阅读文章DAG与回归模型
将有向无环图（DAG）作为蓝图，构建更准确、偏差更少的统计回归模型。
阅读文章反馈回路与循环
学会识别并画出让系统变化加剧或趋于稳定的因果链，从而更好地预测系统行为并采取干预措施。
阅读文章M 型偏倚
一种隐蔽的偏倚：你误将某个看似混杂变量、实际却是碰撞变量的变量纳入控制，从而打开了虚假的因果路径。
阅读文章测量误差
当测量数据与现实不一致时，因果图中的测量误差可能掩盖、制造，甚至颠倒变量之间的关系。
阅读文章有向无环图中的预测与因果关系
有向无环图可以根据数据中的规律预测结果，但要证明一件事会导致另一件事，还需要对变量之间的真实关系作出额外假设。
阅读文章结构因果模型（SCM）
一种强大的框架，将图示和简单规则结合起来，用于表示因果关系，并预测干预的效果。
阅读文章因果假设检验
检验因果模型的假设是否在观测数据中成立的方法，包括条件独立性检验和证伪检查。
阅读文章因果充分性假设
这一关键假设认为，你已经测量了所有同时影响处理和结果的共同原因，并将它们纳入分析。
阅读文章正值性假设
要进行有效的因果比较，每个人都必须曾有一定机会接受所比较的每一种治疗方案。
阅读文章6 篇文章
因果推断与反事实
反事实与有向无环图
用直观的因果关系图（DAG），严谨地回答有关未曾发生的事件的“如果……会怎样”问题。
阅读文章有向无环图与潜在结果
理解因果关系的两种互补框架：有向无环图描绘各种因素之间的关系，潜在结果框架则设想“如果当时换一种情况，会怎样”。
阅读文章可交换性与可忽略性
了解比较时“同类相比”的原则，它是判断真正因果关系的关键。
阅读文章潜在结果框架
通过比较实际发生的结果与不同条件下本会发生的结果，来定义因果效应的框架。
阅读文章单世界干预图
单世界干预图展示某一种干预选择下的反事实变量，让“如果……会怎样”的推理更精确。
阅读文章因果效应
某个行为对结果产生的具体影响，通过比较“做了”和“没做”之间的差异来衡量。
阅读文章3 篇文章