第 2 章：因果推断理论（A Theory of Inferred Causation）

2.1 INTRODUCTION — THE BASIC INTUITIONS

本节给出本章要回答的三个问题，并勾画出后续章节将要沿用的基本直觉。自主智能系统在被动观察中既要翻译观察到的事件为因果关系，又不能依赖事先编码的因果知识；然而统计本质上只刻画共变而非因果，因此必须识别那些让人类从数据中"看出"因果关系的线索，并找到能模拟这种感知的计算模型。时间先后一般被视为因果的必要条件（Reichenbach 1956；Good 1961；Suppes 1970；Shoham 1988），但仅有时间不足以区分真实因果与伪关联——气压下降先于降雨，却不是雨的原因。统计与哲学文献因此一贯警告：除非预先知道所有相关因子，或者能主动操控某些变量，否则不可能做出真正的因果推断（Fisher 1935；Skyrms 1980；Cliff 1983；Eells and Sober 1983；Holland 1986；Gardenfors 1988；Cartwright 1989）。这与"知识主要源自被动观察"的常识相冲突，必须找到出路。作者提示，本章探索的线索来自若干种典型的统计关联模式——这些模式只有放在因果方向性下才有自然的解读。例如三事件 A、B、C 之间的"非传递依赖"：A 与 B 依赖、B 与 C 依赖、但 A 与 C 独立；当人举出符合这一模式的例子时，几乎总会把 A 和 C 想象成两个独立的原因，B 想象成它们的共同结果 A → B ← C。作者给出一个原型例子：A、C 是两枚公平硬币，B 是一旦任一枚正面即响的铃。把这一模式拟合成"B 是因、A、C 是果"在数学上可行但极不自然。Reichenbach（1956）最先追问这种模式的来源，并将其归因于自然的某种属性——热力学第二定律。Rebane and Pearl（1987）反过方向来问：在 X → Y → Z、X → Y ← Z、X ← Y → Z 三种基本因果子结构下，依赖模式的差异能否被用来揭示数据生成过程中的真实因果关系？他们很快意识到，确定 X、Y 之间方向的关键在于"是否存在第三变量 Z 与 Y 相关却不与 X 相关"——即 collider X → Y ← Z 的模式——并据此开发了恢复 polytree 类因果图边与方向的算法。本章把上述直觉形式化，并将 Rebane-Pearl 恢复算法推广到含未观测变量的一般图。

2.2 The Causal Modeling Framework

本节把因果发现任务刻画为科学家与"自然"之间的归纳博弈。自然持有稳定的因果机制，在足够精细的描述层级上这些机制是变量之间的确定性函数关系（其中一部分变量不可观测）；这些机制以无环结构组织起来，而科学家只能从可获得的观测中试图识别该结构。定义 2.2.1（因果结构）：变量集 V 的因果结构是一个有向无环图（DAG），节点对应 V 中的元素，有向边表示对应变量之间的直接函数关系。定义 2.2.2（因果模型）：因果模型是 \(M \triangleq \langle D, \Theta_D \rangle\)，由因果结构 D 和与之相容的参数集 \(\Theta_D\) 组成；参数对每个 \(X_i \in V\) 赋予函数 \(x_i = f_i(\mathrm{pa}_i, u_i)\)，对每个 \(u_i\) 赋予概率测度 \(P(u_i)\)，其中 \(\mathrm{PA}_i\) 是 D 中 \(X_i\) 的父节点、\(U_i\) 依 \(P(u_i)\) 分布且与其他所有 \(u\) 互相独立。依据定理 1.4.1，独立扰动假设使模型成为 Markovian——每个变量在以 D 中的父节点为条件时独立于其所有非后代。作者主张，Markov 条件在人类话语中的普遍性，反映的是"我们在何种粒度上认为模型对理解自然有用"。我们既可以从完全确定、变量均显式写出的极端出发（此时 Markov 条件必然成立），也可以在向上做宏观抽象、把变量聚合并用概率概括被省略变量的过程中，主动选择在哪一层停止——这正是 Markov 条件所引导的决定。Markov 条件告诉我们，一组父节点 \(\mathrm{PA}_i\) 在什么意义上被视为"完整"，即它包含了 \(X_i\) 的全部直接原因；它允许把某些原因外置为概率项，但不能既影响 \(X_i\) 又影响系统中其他变量——那种情况下扰动项会同时影响多个变量，Markkov 性质会被破坏，需引入显式的潜变量节点（见定义 2.3.2）来恢复。一旦模型 M 形成，便定义了系统变量上的联合概率分布 \(P(M)\)，其继承了因果结构的若干特征（如每个变量在以父节点为条件时独立于其祖辈）。自然允许科学家观察子集 \(O \subseteq V\)（"观测"变量）并询问 \(P(O)\)，但隐藏底层因果模型与因果结构本身。本节由此提出问题：能否从 \(P(O)\) 的特征恢复出 DAG 的拓扑 D。

2.3 Model Preference (Occam's Razor)

原则上，由于 V 未知，对给定分布拟合的模型数是无界的——每个模型都会引入不同的"隐"变量集，并通过不同的因果关系把观测变量连起来；若不对所考虑的模型类型施加任何限制，科学家便无法对底层结构作出任何有意义的断言。例如，任何 \(P(O)\) 都可由一个结构生成：所有观测变量都不是其他观测变量的因，而是某个潜在共同原因 U 的果；又若假设 \(V = O\) 但缺乏时间信息，科学家永远无法排除底层结构是一个完全无环且任意定序的图——这样的图（配合合适的参数）能模拟任何模型的行为，无论变量序如何。沿用科学归纳的标准规范，可以合理地排除任何"存在一个更简单、更不冗余、与之对数据同等自洽的理论"的备选理论（见定义 2.3.5）。通过这一筛选保留下来的理论称为 minimal（最简）。基于此，可以给出 inferred causation 的初步定义：定义 2.3.1（因果推断（初步））：若在所有与数据相容的最简结构中均存在从 X 到 Y 的有向路径，则称 X 对 Y 有因果影响。这里把因果结构等同于科学理论，因为两者都含一组可调的自由参数以拟合数据。定义 2.3.1 是初步的，因为它假设所有变量都可观测。后续定义将 minimality 推广到含未观测变量的结构。定义 2.3.2（潜结构）：潜结构是 \(L \triangleq \langle D, O \rangle\)，其中 D 是 V 上的因果结构、\(O \subseteq V\) 是观测变量集。定义 2.3.3（结构偏好）：一个潜结构 \(L = \langle D, O \rangle\) 优于另一个 \(L' = \langle D', O \rangle\)（记 \(L \succeq L'\)）当且仅当 \(D'\) 可在 O 上模拟 D——即对任意 \(\Theta_D\) 存在 \(\Theta'_{D'}\)，使得 \(P(O)(\langle D', \Theta'_{D'} \rangle) = P(O)(\langle D, \Theta_D \rangle)\)；二者等价（\(L \equiv L'\)）当且仅当 \(L \succeq L'\) 且 \(L' \succeq L\)。注意，定义 2.3.3 所施加的"偏好更简单"度量的是结构的表达力，而非其语法描述长度。科学家偏好更简单理论的一个理由是：更简单的理论更具约束、更可证伪，从而在拟合数据后获得更高的可信度（Popper 1959；Pearl 1978；Blumer et al. 1987）。一个潜结构所蕴含的独立性集也对其表达力构成限制——若 \(L_1\) 能表达 \(L_2\) 所禁止的某个可观测依赖，则 \(L_1\) 不能优于 \(L_2\)。无隐变量情形下，偏好与等价性可约简为独立性检验（定理 1.2.8），但对一般潜结构并不成立；Verma and Pearl（1990）证明某些潜结构在可观测分布上施加的是数值约束而非独立性约束（见 8.4 节式（8.21）–（8.23）），这使判定模型偏好复杂化，但仍然允许把因果推断的定义（定义 2.3.1）推广到潜结构。定义 2.3.4（最简性）：潜结构 L 相对于潜结构类 \(\mathcal{L}\) 是最简的，当且仅当类中没有严格优于 L 的成员——即对每个 \(L' \in \mathcal{L}\)，只要 \(L' \succeq L\) 便有 \(L \equiv L'\)。定义 2.3.5（相容性）：潜结构 \(L = \langle D, O \rangle\) 与 O 上的分布 \(\hat{P}\) 相容，当且仅当 D 能容纳某个生成 \(\hat{P}\) 的模型——即存在参数化 \(\Theta_D\) 使 \(P(O)(\langle D, \Theta_D \rangle) = \hat{P}\)。一个显然必要（有时充分）的条件是 L 能解释 \(\hat{P}\) 中蕴含的全部依赖。定义 2.3.6（因果推断）：给定 \(\hat{P}\)，变量 C 对变量 E 有因果影响，当且仅当在所有与 \(\hat{P}\) 相容的最简潜结构中均存在从 C 到 E 的有向路径。作者将此定义为规范性（normative）的，因为它建立在科学探究中最少争议的规范之上——奥卡姆剃刀的语义化版本。作者接着举了一个四变量 \(\{a, b, c, d\}\) 的例子说明上述定义如何识别因果关系：观测揭示两个独立关系"a 与 b 独立"与"d 在以 c 为条件下与 \(\{a, b\}\) 独立"，且除此之外不存在其他独立性。这正契合感冒 a、花粉热 b、打喷嚏 c、擦鼻子 d 的依赖模式。容易看出图 2.1 的 (a) 与 (b) 是最简的——它们蕴含观测到的独立性而不引入额外独立性；用 d→c 的箭头或两者之间的隐共同原因解释 c、d 之间依赖的任何结构都不是最简的，因为那种结构能"胜出"图 2.1(a) 或 (b) 所代表的结构。例如 2.1(c) 不像 (a) 那样能容纳 a 与 b 任意关系；2.1(d) 不施加"d 在以 c 为条件下与 \(\{a, b\}\) 独立"，因而能容纳依赖关系；2.1(e) 则与数据不相容，因为它施加了观测上不存在的 \(\{a, b\}\) 与 d 之间的边际独立性。该例（取自 Pearl and Verma 1991）表明：在某些概率依赖模式（此处为除 \((a \perp\!\!\!\perp b)\) 与 \((d \perp\!\!\!\perp \{a,b\} \mid c)\) 之外的全部依赖）下，可以推出不含歧义的因果依赖（此处 \(c \to d\)），而无需对是否存在潜变量做任何假设；唯一被援引的假设就是最简性——排除对数据过拟合的模型。

2.4 STABLE DISTRIBUTIONS

本节指出，最简性原则虽然足以构成一个规范的因果推断理论，但并不保证真实数据生成模型的结构本身是最简的，也不保证在最简结构空间中的搜索在计算上是可行的。某些结构可能存在特殊的参数化，使其与许多结构截然不同的最简模型无法区分。例：二元变量 C，当两枚公平硬币（A、B）结果相同时取 1、否则取 0；在这一参数化生成的三元分布中，任意一对变量在边际上独立，但在以第三个为条件下却依赖。这种依赖模式可由三个最简的因果结构生成，每个结构把其中一个变量刻画为另两个的因，但三者之间无法判别。为排除此类"病态"参数化，对分布施加一项限制——稳定性（stability），亦称 DAG-isomorphism 或 perfect-mapness（Pearl 1988b, p. 128）以及 faithfulness（Spirtes et al. 1993）。该限制传达的假设是：P 中所有独立性都是稳定的，即由模型 D 的结构所蕴含，因而在参数 \(\Theta_D\) 变化时保持不变。回到上面的例子，只有正确的结构（\(A \to C \leftarrow B\)）在参数化变化时——比如硬币略偏——仍保留其独立性模式。定义 2.4.1（稳定性）：令 \(I(P)\) 为 P 中所有条件独立性关系的集合。因果模型 \(M = \langle D, \Theta_D \rangle\) 生成稳定分布，当且仅当 \(P(\langle D, \Theta_D \rangle)\) 不含任何额外独立性——即对任意参数集 \(\Theta'_D\)，\(I(P(\langle D, \Theta_D \rangle)) \subseteq I(P(\langle D, \Theta'_D \rangle))\)。稳定性条件说明，当我们把参数从 \(\Theta\) 变到 \(\Theta'\) 时，P 中没有独立性会被破坏——"稳定"由此得名；简言之，P 是 M 的稳定分布当且仅当它"映射"M 的结构 D，即对任意三组变量 X、Y、Z，\((X \perp\!\!\!\perp Y \mid Z)_P \Rightarrow (X \perp\!\!\!\perp Y \mid Z)_D\)（见定理 1.2.5）。最简性与稳定性的关系可用以下类比说明：看到一张椅子的照片，要在两个理论之间做选择——T1：图中对象是一把椅子；T2：图中对象是椅子，或两把椅子摆成一把刚好挡住另一把的位置。T1 优于 T2 可基于两条原则——最简性原则主张 T1 优于 T2，因为"单对象场景集"是"两个或更少对象场景集"的真子集，除非有反证应偏好更具体的理论；稳定性原则则先验地排除 T2，因为它认为两把椅子精确对齐到一把完全挡住另一把的概率很低，这种对齐相对于环境条件或视角的微小变化是不稳定的。映射到独立性上：一些独立性是结构性的——它们对图的所有函数—分布参数化都成立；另一些则对函数与分布的具体数值敏感。例如结构 \(Z \to X \to Y\) 表示关系 \(z = f_1(x, u_1)\)、\(y = f_2(x, u_2)\)，变量 Z 与 Y 在以 X 为条件下对任意 \(f_1, f_2\) 都独立；相反，若在结构中再加一条 \(Z \to Y\) 并采用线性模型 \(z = \alpha x + u_1\)、\(y = \beta x + \gamma z + u_2\)，在 \(\beta = -\alpha\gamma\) 时 Y 与 X 独立，但这种独立性是不稳定的——\(\beta = -\alpha\gamma\) 等式一旦被破坏就消失。稳定性假设假定数据中不太可能出现这类独立性、所有独立性都是结构性的。再回到图 2.1(c) 的例子说明稳定性与最简性的关系：最简性原则以"它拟合的分布比 (a) 更广"为由拒绝该结构；稳定性原则则以"为拟合数据（具体是 \((a \perp\!\!\!\perp b)\)），由 \(a \to b\) 产生的关联必须恰好抵消由 \(a \leftarrow c \to b\) 路径产生的关联，这种精确抵消不能稳定，因为不能对连接 a、b、c 的所有函数都保持"为由拒绝之；而结构 (a) 中 \((a \perp\!\!\!\perp b)\) 是稳定的。

2.5 Recovering DAG Structures

本节论证：加上稳定性假设后，只要没有隐变量，每个分布都有唯一的最简因果结构（在 d-分离等价意义下）。这一唯一性来自定理 1.2.8——两个因果结构等价（即可互相模拟）当且仅当它们传递相同的依赖信息，即具有相同的骨架与相同的 v-结构集。在无可测变量被遗漏的情况下，最简模型的搜索便归结为：对条件独立性的查询，重建某个未公开的 DAG \(D_0\) 的结构 D；自然地，由于 \(D_0\) 可能存在等价结构，重建出的 DAG 不唯一，能做的最佳工作是找到等价类的一个图形表示。Verma and Pearl（1990）以"模式（pattern）"之名引入了这种图形表示：模式是一个部分有向 DAG——一些边有方向、一些无方向；有向边表示 \(D_0\) 等价类中所有成员共同具备的箭头，无向边表示在某些等价结构中沿一个方向、在另一些中沿另一个方向。IC 算法（Inductive Causation）由 Verma and Pearl（1990）引入，输入由底层 DAG \(D_0\) 生成的稳定分布 \(\hat{P}\)，输出表示 \(D_0\) 等价类的模式。算法三步：（1）对 V 中每对变量 a、b，搜索使 \((a \perp\!\!\!\perp b \mid S_{ab})\) 在 \(\hat{P}\) 中成立的集合 \(S_{ab}\)；若不存在这样的 \(S_{ab}\)，在 a、b 之间连一条无向边，构建无向图 G。（2）对每对非邻接的、有公共邻居 c 的 a、b，检查 c 是否属于 \(S_{ab}\)；若 c 不在 \(S_{ab}\) 中，则在 c 上加上箭头（\(a \to c \leftarrow b\)）。（3）在得到的部分有向图中尽可能多地对无向边定向，受两条约束：（i）任何其他定向都会产生新的 v-结构；（ii）任何其他定向都会产生有向环。IC 算法的步骤 1 与 3 细节未定，已有几个改进方案被提出以优化这两步。Verma and Pearl（1990）指出，在稀疏图中若从 \(\hat{P}\) 的 Markov 网络（即只连接"在以所有其他变量为条件下仍依赖"的无向图）开始，搜索可被大幅裁剪；在线性高斯模型中，Markov 网络可通过对逆协方差矩阵非零项对应的变量对连边在多项式时间内求出。Spirtes and Glymour（1991）提出了一种系统化搜索 \(S_{ab}\) 的通用方法：从基数 0 的 \(S_{ab}\) 开始，再到基数 1，依次递推——一旦发现某对变量分离，便从完全图中删去该边；该改进称为 PC 算法（取自作者 Peter 与 Clark 的首字母），在有限度图中运行多项式时间，因为每一步中对 \(S_{ab}\) 的搜索都可限于 a 与 b 的邻居节点。步骤 3 也可被系统化：Verma and Pearl（1992）证明，从任一模式出发，以下四条规则是获得"最大定向模式"所必需的——R1：若存在箭头 \(a \to b\) 且 a 与 c 非邻接，则把 \(b — c\) 定向为 \(b \to c\)；R2：若有链 \(a \to c \to b\)，则把 \(a — b\) 定向为 \(a \to b\)；R3：若存在两条链 \(a — c \to b\) 和 \(a — d \to b\) 且 c 与 d 非邻接，则把 \(a — b\) 定向为 \(a \to b\)；R4：若有两条链 \(a — c \to d\) 和 \(c \to d \to b\) 且 c 与 b 非邻接、a 与 d 邻接，则把 \(a — b\) 定向为 \(a \to b\)。Meek（1995）证明这四条规则也是充分的——反复应用最终会定向 \(D_0\) 等价类中所有公共箭头；并且若起点仅限于 v-结构，则 R4 是不必要的。另一种系统化由 Dor and Tarsi（1992）算法给出：在多项式时间内测试一个部分有向无环图能否在不引入新 v-结构或有向环的前提下被完全定向；测试基于递归移除满足两个性质的顶点 y——（1）没有边从 y 指出去；（2）y 的每个通过无向边与 y 相连的邻居都与其他邻居相邻。当且仅当所有顶点都能以此方式被移除时，该部分有向无环图才有合法的 DAG 扩展。因此要找最大定向模式，可对每条无向边 \(a — b\) 分别尝试两种定向 \(a \to b\) 和 \(a \leftarrow b\)，并测试两种定向是否都有扩展或仅一种有；唯一可定向的箭头集构成所求的最大定向模式。其他改进见 Chickering（1995）、Andersson et al.（1997）、Moole（1997）。然而潜结构需要专门处理，因为潜结构对分布施加的约束不能被任何条件独立性陈述完全刻画；幸运的是，那些独立性约束的若干子集可被识别（Verma and Pearl 1990），从而允许恢复潜结构的有效片段。

2.6 Recovering Latent Structures

本节处理自然"隐藏"部分变量的情形。当自然决定隐藏某些变量时，可观测分布 \(\hat{P}\) 不再相对可观测集 O 是稳定的——此时已不能保证在与 \(\hat{P}\) 相容的最简潜结构中存在具有 DAG 结构的那个。幸运的是，无需在这个无界的潜结构空间中搜索，可以把搜索限制在结构有限且定义良好的图上：对每个潜结构 L，存在一个在 O 上依赖等价的潜结构（L 在 O 上的投影），其中每个未观测节点都是恰好有两个观测子节点的根节点。定义 2.6.1（投影）：潜结构 \(L[O] = \langle D[O], O \rangle\) 是另一个潜结构 L 的投影，当且仅当：（1）\(D[O]\) 的每个不可观测变量是恰好两个不相邻可观测变量的无父共同原因；且（2）对 L 生成的每个稳定分布 P，存在 \(L[O]\) 生成的稳定分布 \(P'\) 使得 \(I(P(O)) \subseteq I(P'(O))\)。定理 2.6.2（Verma 1993）：任何潜结构至少有一个投影。用一个只以观测变量为顶点、隐变量隐式表达的双向图来表示投影是方便的；图中的每条双向边代表边端点对应变量的一个共同隐原因。定理 2.6.2 使因果推断定义（定义 2.3.6）变得可操作：可以证明（Verma 1993）\(\hat{P}\) 的任一最简模型的一个特异投影中的某条边的存在，必须意味着 \(\hat{P}\) 的所有最简模型中都存在因果路径。因此搜索归结为：找到 \(\hat{P}\) 任一最简模型的特异投影并识别相应边。这些边可由 IC 算法的简单变体 IC 识别——IC 以稳定分布 \(\hat{P}\) 为输入，返回一个标记模式（marked pattern），它是含有四种边类型的部分有向无环图：（1）标记箭头 \(a \xrightarrow{*} b\)，表示底层模型中存在从 a 到 b 的有向路径；（2）未标记箭头 \(a \to b\)，表示底层模型中或存在 a 到 b 的有向路径、或存在潜在共同原因 \(a \leftarrow L \to b\)；（3）双向边 \(a \leftrightarrow b\)，表示底层模型中存在潜在共同原因 \(a \leftarrow L \to b\)；（4）无向边 \(a — b\)，可对应于底层模型中的 \(a \leftarrow b\)、\(a \to b\) 或 \(a \leftarrow L \to b\)。IC 算法（Inductive Causation with Latent Variables）：输入稳定分布 \(\hat{P}\)（相对某个潜结构）；输出 \(\mathrm{core}(\hat{P})\)，即标记模式。步骤：（1）对每对变量 a、b，搜索集合 \(S_{ab}\) 使 a 与 b 在以 \(S_{ab}\) 为条件下独立；若不存在这样的 \(S_{ab}\)，在两变量间放置无向链接 \(a — b\)。（2）对每对有公共邻居 c 的非邻接 a、b，检查 c 是否属于 \(S_{ab}\)；若 c 不在 \(S_{ab}\) 中，则在 c 上加上箭头（\(a \to c \leftarrow b\)）。（3）在得到的部分有向图中，按以下两条规则递归地尽可能多地加箭头并标记边——R1：对每对有公共邻居 c 的非邻接节点 a、b，若 a 与 c 之间的链接在 c 上有箭头且 c 与 b 之间的链接在 c 上无箭头，则在 c 与 b 之间链接上指向 b 的箭头并标记该链接为 \(c \xrightarrow{*} b\)；R2：若 a 与 b 相邻且存在由标记链接严格组成、从 a 到 b 的有向路径（图 2.2），则在 a 与 b 之间的链接上加指向 b 的箭头。步骤 1 与步骤 2 与 IC 算法相同，但步骤 3 中的规则不同——IC 不定向边，而是在边的单个端点上添加箭头，从而容纳双向边。图 2.3 演示了 IC 算法在图 1.2 的洒水器示例上的操作。步骤 1：用 d-分离准则（定义 1.2.3）读出该结构蕴含的条件独立性，最小条件集为 \(S_{ad} = \{b, c\}\)、\(S_{ae} = \{d\}\)、\(S_{bc} = \{a\}\)、\(S_{be} = \{d\}\)、\(S_{ce} = \{d\}\)，得到图 2.3(b) 的无向图。步骤 2：三元组 \((b, d, c)\) 是唯一满足步骤 2 条件的，因为 d 不属于 \(S_{bc}\)；得到部分有向图 2.3(c)。步骤 3：R1 适用于三元组 \((b, d, e)\)（以及 \((c, d, e)\)），因为 b 与 e 非邻接且在 d 上有来自 b 的箭头但无来自 e 的箭头；于是在 e 上加箭头并标记链接，得到图 2.3(d)，这也是 IC 的最终输出，因为 R1 与 R2 不再适用。\(a — b\) 与 \(a — c\) 上无箭头、\(b \to d\) 与 \(c \to d\) 上无标记，正确地表达了 \(\hat{P}\) 呈现的歧义性——图 2.4 中每个潜结构都与图 2.3(a) 观测等价；图 2.3(d) 中标记链接 \(d \to e\) 表明：在与图 2.3(a) 独立性等价的每个潜结构中都存在有向链接 \(d \to e\)。

2.7 LOCAL CRITERIA FOR INFERRING CAUSAL RELATIONS

本节从 IC 算法的输出中抽出可直接作为"潜在因果""真实因果""伪关联"定义使用的局部准则。IC 算法的输出是部分有向图：链接有些标记为单向（表示真实因果），有些未标记为单向（表示潜在因果），有些为双向（表示伪关联），有些无向（表示关系未定）。把这些产生各类标记的条件提炼出来，就得到各类因果关系的定义。需注意：在所有这些定义中，两变量 X、Y 之间因果关系的判定都需要第三变量 Z 表现出特定依赖模式——这并不意外，因为因果断言的本质就是规定 X 与 Y 在第三变量影响下的行为，而该第三变量对应于对 X（或 Y）的外部控制，正是"无操控则无因果"（Holland 1986）范式的回响；区别在于充当"虚拟控制"的变量 Z 必须在数据本身中找到，仿佛自然已经做了实验。IC 算法可被视为：在稳定性假设下，对符合"虚拟控制"资格的变量 Z 的系统化搜索。定义 2.7.1（潜在因）：若以下条件成立，则变量 X 对变量 Y 有潜在因果影响（可从 \(\hat{P}\) 推断）：（1）X 与 Y 在任意语境下依赖；（2）存在变量 Z 与语境 S 使（i）X 与 Z 在以 S 为条件下独立（\(X \perp\!\!\!\perp Z \mid S\)），且（ii）Z 与 Y 在以 S 为条件下依赖（\(Z \not\!\perp\!\!\!\perp Y \mid S\)）。其中"语境"指被绑定到具体取值的变量集合。例如在图 2.3(a) 中，变量 b 因 Z = c 在语境 S = a 下与 d 依赖且与 b 独立而成为 d 的潜在因；同理 c 也成为 d 的潜在因（Z = b、S = a）；b、c 都不是 d 的真实因，因为该依赖模式也与图 2.4(a)–(b) 中以双向弧表示的潜在共同原因相容。然而定义 2.7.1 排除 d 作为 b（或 c）的因，于是把 d 归类为 e 的真实因（见定义 2.7.2）。注意定义 2.7.1 排除变量 X 是其自身或任何函数性决定 X 的变量的潜在因。定义 2.7.2（真实因）：若存在变量 Z 满足以下任一情形，则变量 X 对变量 Y 有真实因果影响：（1）X 与 Y 在任意语境下依赖，且存在语境 S 满足（i）Z 是 X 的潜在因（依定义 2.7.1），（ii）Z 与 Y 在以 S 为条件下依赖，（iii）Z 与 Y 在以 \(S \cup \{X\}\) 为条件下独立；或（2）X 与 Y 处于上述关系 1 的传递闭包内。条件（i）–（iii）由图 2.3(a) 配合 \(X = d\)、\(Y = e\)、\(Z = b\)、\(S = \emptyset\) 阐明：以 d 为条件后 b 与 e 之间依赖的解除不能归因于 d 与 e 之间的伪关联；唯一可能的解释是真实因果影响，正如 2.4 图各结构所示。定义 2.7.3（伪关联）：若两变量 X 与 Y 在某语境下依赖，且存在另外两变量 \(Z_1, Z_2\) 与两语境 \(S_1, S_2\) 满足：（1）\(Z_1\) 与 X 在以 \(S_1\) 为条件下依赖；（2）\(Z_1\) 与 Y 在以 \(S_1\) 为条件下独立；（3）\(Z_2\) 与 Y 在以 \(S_2\) 为条件下依赖；（4）\(Z_2\) 与 X 在以 \(S_2\) 为条件下独立；则称 X 与 Y 伪关联。条件 1、2 用 \(Z_1\) 与 \(S_1\) 排除 Y 是 X 的因（平行于定义 2.7.1 的条件（i）–（ii））；条件 3、4 用 \(Z_2\) 与 \(S_2\) 排除 X 是 Y 的因；这样一来，对 X 与 Y 之间观测依赖的唯一解释只能是潜在共同原因，如结构 \(Z_1 \to X \to Y \leftarrow Z_2\) 所示。当时间信息可用时（大多数概率因果理论的常见假设——Suppes 1970；Spohn 1983；Granger 1988），定义 2.7.2 与 2.7.3 大大简化：每个早于 X 且与 X 邻接的变量立即成为 X 的"潜在因"；并且只要语境 S 被限制为早于 X，便不要求邻接性（即定义 2.7.1 的条件 1）。这引出简化版的"真实因"与"伪关联"判定。定义 2.7.4（含时间信息的真实因）：若存在第三变量 Z 与语境 S，二者均早于 X，使（1）\(Z \not\!\perp\!\!\!\perp Y \mid S\)；（2）\(Z \perp\!\!\!\perp Y \mid S \cup \{X\}\)；则称 X 对 Y 有因果影响。定义 2.7.4 的直观与 2.7.2 相同，只是用时间先后把 Z 确立为 X 的潜在因；图 2.5(a) 给出说明：若以 X 为条件能把 Z 与 Y 从依赖变为独立（在语境 S 下），那么 Z 与 Y 之间的依赖必由 X 居中传递；既然 Z 早于 X，这种居中意味着 X 对 Y 有因果影响。定义 2.7.5（含时间信息的伪关联）：若 X 与 Y 在某语境 S 下依赖、X 早于 Y、且存在变量 Z 使（1）\(Z \perp\!\!\!\perp Y \mid S\)；（2）\(Z \not\!\perp\!\!\!\perp X \mid S\)；则称 X 与 Y 伪关联。图 2.5(b) 阐明定义 2.7.5 的直观：这里 X 与 Y 之间的依赖不能归因于两者间的因果连接，因为那种连接意味着 Z 与 Y 之间应依赖，而条件 1 排除了这点。审视上述定义可见，所有因果关系都至少由三个变量推断。具体地，使我们能得出"一个变量不是另一个变量的因果结果"的判据采取"非传递三元组"的形式，例如图 2.1(a) 中的 a、b、c 满足 \((a \perp\!\!\!\perp b \mid \emptyset)\)、\((a \not\!\perp\!\!\!\perp c \mid \emptyset)\)、\((b \not\!\perp\!\!\!\perp c \mid \emptyset)\)。论证如下：若发现条件 \((S_{ab})\)，使变量 a 与 b 各与第三变量 c 相关但彼此独立，则该第三变量不能作为 a 或 b 的因（回忆：稳定分布下，共同原因的存在蕴含其结果之间依赖）；c 必须要么是它们的共同结果（\(a \to c \leftarrow b\)），要么通过共同原因与 a、b 关联，形成 \(a \leftrightarrow c \leftrightarrow b\) 之类的模式。这正是 IC 算法开始定向图中边的条件（步骤 2）并赋予 c 上箭头。同样是非传递模式用于确保 X 不是 Y 的结果（定义 2.7.1）、确保 Z 不是 X 的结果（定义 2.7.2）；定义 2.7.3 中有两个非传递三元组 \((Z_1, X, Y)\) 与 \((X, Y, Z_2)\)，从而排除 X 与 Y 之间的直接因果影响，使伪关联成为对它们之间依赖的唯一解释。对"非传递三元组"的这种解读涉及对效应变量而非对假定原因的虚拟控制——这类似于操控式因果观中对零假设的检验（1.3 节）。例如人们坚持"雨导致草地变湿而非反过来"的一个理由是：可以轻易找到独立于雨的其他弄湿草地的手段。迁移到链 \(a — c — b\)，若能找到另一种（b）潜在地控制 c 而不影响 a，即可排除 c 是 a 的因。在观测研究中当然只能等待自然提供适当的控制，并避免让该控制被（与 a 的）伪关联所污染。

2.8 Nontemporal Causation and Statistical Time

本节讨论由非时间数据确定因果方向所引出的若干哲学问题。例如定义 2.7.2 或 2.7.4 所指定的 \(X \to Y\) 的方向，是否会与可获得的时间信息冲突（比如随后发现 Y 早于 X）？由于定义 2.7.4 的依据是对因果关系统计方面的强直觉（如"无相关则无因果"），显然此类冲突即便发生也很罕见。问题于是变成：为何仅由统计依赖确定的指向会与时间流向相关？在人类话语中，因果解释满足两种预期——时间性的与统计性的。时间性的预期体现为"原因应先于结果"的常识；统计性的预期则期待一个完整的因果解释能"屏蔽"（screen off）其各结果（即在以原因为条件下各结果条件独立）；不能屏蔽其结果的解释被视为"不完整"，残余依赖被视为"伪"或"未解释"。两个预期经数百年科学观察而不冲突，蕴含自然现象的统计必表现出某种基本的时间偏倚——我们经常遇到"当前状态的知识使其未来各变量条件独立"的现象（如式（2.3）的多元经济时间序列），但很少见到反过来"当前状态的知识使其过去各分量条件独立"的现象。这种时间偏倚是否有某种强制性的理由？一种方便的表述方式是统计时间（statistical time）的概念。定义 2.8.1（统计时间）：给定经验分布 P，P 的统计时间是与至少一个与 P 相容的最简因果结构一致的任一变量序。我们看到，例如标量 Markov 链过程有许多统计时间——一个与物理时间重合、一个与之相反、其他对应于把任一节点（任意选作根）从 Markov 链某处断开后所得到的方向；另一方面，由两个耦合 Markov 链控制的过程，如 \(X_t = \alpha X_{t-1} + \beta Y_{t-1} + j_t\)、\(Y_t = \gamma X_{t-1} + \delta Y_{t-1} + h_t\)，只有唯一的统计时间——与物理时间重合的那个。实际上，对从该过程抽取的样本（在抑制所有时间信息后）运行 IC 算法，能迅速识别出 \(X_{t-1}\) 与 \(Y_{t-1}\) 的分量是 \(X_t\) 与 \(Y_t\) 的真实原因。这可从定义 2.7.1（\(X_{t-2}\) 取 \(Z = Y_{t-2}\)、\(S = \{X_{t-3}, Y_{t-3}\}\) 时成为 \(X_{t-1}\) 的潜在因）与定义 2.7.2（\(X_{t-1}\) 取 \(Z = X_{t-2}\)、\(S = \{Y_{t-1}\}\) 时成为 \(X_t\) 的真实因）看出。先前提到的时间偏倚可表述为猜想 2.8.2（时间偏倚）：在大多数自然现象中，物理时间与至少一个统计时间重合。Reichenbach（1956）把与他的"共轭叉"（conjunctive fork）相关的不对称性归因于热力学第二定律；然而第二定律是否能完整解释此处描述的时间偏倚是可疑的，因为外部噪声 \(j_t\) 与 \(h_t\) 的影响使（2.3）过程是非保守的。此外时间偏倚是语言依赖的——例如用线性变换 \(X'_t = a X_t + b Y_t\)、\(Y'_t = c X_t + d Y_t\) 把（2.3）表示在不同坐标系下，可以使 \((X', Y')\) 表示中的统计时间与物理时间反向，即 \(X'_t\) 与 \(Y'_t\) 条件于其未来值 \((X'_{t+1}, Y'_{t+1})\) 而非过去值时彼此独立。这暗示物理与统计时间的一致共存是人类语言原语选择的副产品，而非物理实在的特征。例如若 \(X_t\)、\(Y_t\) 代表 t 时刻两相互作用粒子的位置，\(X'_t\) 是它们质心位置、\(Y'_t\) 是相对距离，那么用 \((X, Y)\) 还是 \((X', Y')\) 坐标系描述粒子运动原则上是一种选择。但这一选择并非完全任意——它反映了偏好"前向扰动（式（2.3）中的 \(j_t, h_t\)）相互正交"而非对应后向扰动（\(j'_t, h'_t\)）的坐标系。Pearl and Verma（1991）推测这种偏好代表了对"便于预测未来事件"的生存压力；演化显然把这种便利看得比"为当前事件寻找事后解释"更紧迫。究竟是什么力量塑造了我们对语言的选择，仍有待研究（见 Price 1996 中的讨论），这使统计—时间的一致性更加有趣。

2.9 Conclusions

本章呈现的理论表明：尽管统计分析在每一种可设想的情形下都无法区分真实因果与伪共变，但在许多情形下它能做到。在模型最简性（或/与稳定性）假设下，存在若干依赖模式足以揭示真实因果关系——这些关系不能被归因于隐藏原因，否则就违反科学方法学的一条基本准则：奥卡姆剃刀的语义化版本。遵循这一准则也许能解释为何人类能在多个与观察完全一致的对立备选中，就因果关系的方向性与非伪性达成共识。呼应 Cartwright（1989），作者用口号概括其论断："No causes in — No causes out; Occam's razor in — Some causes out."。由 IC 算法（或 Spirtes et al. 1993 的 TETRAD 程序、或 Cooper and Herskovits 1991、Heckerman et al. 1994 的贝叶斯方法）推断出的因果关系到底有多可靠？放在视觉感知语境下重述这个问题：当我们从二维影子或物体在视网膜上的二维图像识别三维物体时，我们的预测有多可靠？答案是——并非绝对可靠，但足以区分树与房子，足以做出有用推断而不必触摸所见的一切物理对象。回到因果推断，问题便归结为：典型学习环境（技能获取任务或流行病学研究）中是否有足够多的判别线索，使我们能在因与果之间做出可靠鉴别。从逻辑保证的角度重新表述，可断言：若观测分布相对于其底层因果模型是稳定的，则 IC* 算法绝不会在实际上 a 对 b 无因果影响时把 \(a \to b\) 标记为真实因果。实践方面，作者与同事已证明：模型最简性加上"稳定性"（无偶然独立性）假设带来一种有效的算法，能为生成数据的候选因果模型（透明与潜在兼有）构造结构。1990 年其实验室的仿真研究表明，含数十个变量的网络只需不到 5000 个样本即可由该算法恢复其结构。例如从式（2.3）所示过程（二元版本）抽取的 1000 个样本，每个含十对相继的 X、Y，足以恢复其双链结构（含正确的时间方向）。噪声越大，恢复越快（直到某点）。在真实数据测试中，作者考察了 Sewal Wright 经典论文"Corn and Hog Correlations"（Wright 1925）报告的观察：玉米价格 X 可被清晰识别为猪价 Y 的因而非反过来；原因在于变量玉米收成 Z 的存在，它满足定义 2.7.2 的条件（\(S = \emptyset\)）。本章所讨论原理与算法的若干应用见 Glymour and Cooper（1999, pp. 441–541）。自然会问：新因果判定标准能为机器学习与数据挖掘的当前研究带来什么？某种意义上作者的方法类似于对假设空间的标准机器学习搜索（Mitchell 1982），每个假设代表一个因果模型。遗憾的是这种相似仅止于此。机器学习文献的主流范式把每个假设（或理论、概念）定义为可观测实例的子集；一旦观察到这个子集的全部外延，假设便唯一定义。这在因果发现中并不成立。即便训练样本穷尽了假设子集（此处相当于精确观测 P），仍会留下大量等价的因果理论，每个都断言一组截然不同的因果主张。因此，对数据的拟合不足以验证因果理论。传统学习任务中我们试图从一组实例泛化到另一组；因果建模任务则是从"在一组条件下的行为"泛化到"在另一组条件下的行为"。因果模型应按"在条件变化时挑战其稳定性"的标准来选取，这正是科学家通过受控实验试图完成的。缺乏这种实验时，最好的做法是依赖由自然通过定义 2.7.1–2.7.4 的依赖模式所揭示的虚拟控制变量。

2.9.1 On Minimality, Markov, and Stability

本节为最简性与稳定性两个假设进行辩护。很少有人质疑最简性原则本身（质疑它就等于质疑科学归纳），但对"最简性的对象——即因果模型——如何定义"却存在异议。定义 2.2.2 假设随机项 \(u_i\) 互相独立，这一假设赋予每个模型 Markov 性质——以（直接）原因为条件时，每个变量独立于其非后代。这蕴含 d-分离的若干推论，囊括通常与 Reichenbach（1956）"共同原因原则"相关联的若干熟悉关系——例如"无相关则无因果""原因屏蔽其结果""无远距作用"。正如对定义 2.2.2 的讨论所说明，Markov 假设是约定性的，目的是区分完整与不完整的模型。把 Markov 假设内建进完整因果模型的定义（定义 2.2.2），然后通过潜结构（定义 2.3.2）放宽假设，等于宣告"我们愿意错过那些不能被描述为潜结构的非 Markov 因果模型的发现"。作者认为这种损失不严重，因为即便这种模型在宏观世界中存在，作为决策指南的用途也有限——例如从这种模型预测干预的效果并不清晰，只能预先显式列出每一种可设想干预的效果。对 Markov 假设的批评（最著名的是 Cartwright 1995a, 1997 与 Lemmer 1993）有两个共同特征：（1）给出宏观非 Markov 反例，而这些反例都可归约为 Salmon（1984）所讨论的 Markov 潜结构，即交互叉（interactive fork）；（2）不提出任何可预测行动与行动组合效果的非 Markov 备选模型。图 2.6(a) 显示交互叉模型：若中间节点 d 未观测（或未命名），便会觉得 Markov 假设被违反，因为观测原因 a 不屏蔽其结果 b 与 c；图 2.6(b) 的潜结构可在各方面模拟 (a)，二者在观测与实验上均不可区分。只有量子力学现象才表现出不能归因于潜变量的关联——若有人在宏观世界发现这种奇特关联，会被视为科学奇迹。尽管如此，Markov 条件的批评者仍坚持某些所谓的反例必须被建模为 \(P(b, c \mid a)\) 而非 \(\sum_d P(b \mid d, a) P(c \mid d, a)\)——也许假定让 b 与 c 之间的依赖不解释会带来某种洞见或一般性。颇具讽刺意味的是，也许 Markov 条件普遍性最强有力的证据能在"概率因果性"哲学纲领中找到（见 7.5 节），而 Cartwright 是其主要倡导者。该纲领中因果依赖被定义为"在对某组相关因子为条件后仍存在的概率依赖"（Good 1961；Suppes 1970；Skyrms 1980；Cartwright 1983；Eells 1991）；这一定义依赖于"对正确因子集为条件能抑制所有伪关联"的假设——而这等价于 Markov 条件。"概率因果性"作为一项活跃的哲学纲领在 40 年间得以存续，本身即说明对 Markov 条件的反例相对稀少，且可借助潜变量加以解释。作者接着讨论稳定性假设。Spirtes et al.（1993）为稳定性给出的论证援引的事实是：在参数可独立变化的任何概率空间中，参数乘积间的严格相等具有零 Lebesgue 测度。例如式（2.2）模型中的 \(\alpha = -\beta\gamma\) 等式，若考虑参数 \(\alpha\)、\(\beta\)、\(\gamma\) 上的任意连续联合密度，则其概率为零，除非该密度以某种先验方式包含 \(\alpha = -\beta\gamma\) 的约束。Freedman（1997）则声称没有理由假设参数事实上不被这种等式约束所束缚——而那种情形下分布会变得不稳定（按定义 2.4.1）。事实上因果模型所宣告的条件独立性本身就等于联合分布上的等式约束。例如链模型 \(Y \to X \to Z\) 蕴含等式 \(r_{YZ} = r_{XZ} \cdot r_{YX}\)，其中 \(r_{XY}\) 为 X 与 Y 的相关系数；这一等式约束把三个相关系数永久地绑定在一起。那么凭什么让相关系数之间的等式（如 \(r_{YZ} = r_{XZ} \cdot r_{YX}\)）享有特权，使其比另一组参数（如 \(\alpha, \beta, \gamma\)）之间的等式（如 \(\alpha = -\beta\gamma\)）更"稳定"而后者则被归为"偶然"？答案当然落在"自主性"（autonomy, Aldrich 1989）概念上——它是所有因果概念的核心（见 1.3 与 1.4 节）。因果模型不只是用一组参数对概率分布进行编码的另一方案。因果模型的显著特征在于：每个变量由一组其他变量通过一种被称为"机制"的关系决定；当其他机制受到外部影响时，该机制保持不变。这种不变性意味着机制之间可彼此独立变化，进而意味着结构系数（如式（2.2）例子中的 \(\alpha, \beta, \gamma\)）——而非其他类型参数（如 \(r_{YZ}, r_{XZ}, r_{YX}\)）——能在实验条件变化时独立变化。因此形式为 \(\alpha = -\beta\gamma\) 的等式约束违背自主性观念，在自然条件下很少出现。正是人类对稳定性的追寻解释了为何他们发现非传递依赖模式只能借助"两个独立原因的共同结果"来例示（见 43 页）。任何令人信服地例示给定依赖模式的故事都必须在故事参数的所有数值下保持该模式——即作者所称的"稳定性"。基于以上原因，有人建议，仅依赖关联的因果发现方法（如 IC* 算法或 TETRAD-II 程序蕴含的方法）将在"条件略变化的纵向研究"中找到最大潜力——纵向研究中偶然的独立性会被破坏，仅结构性独立性得以保留。这假设在该类变化条件下模型参数被扰动而结构保持不变——这种平衡也许难以验证。但考虑到只能依赖受控随机实验的替代方案，这类纵向研究是令人激动的机会。

Relation to the Bayesian Approach

本段强调：最简性与稳定性的要素同样支撑了贝叶斯方法中的因果发现。贝叶斯方法中先对一组候选因果网络（基于其结构与参数）分配先验概率，再用贝叶斯规则对给定网络拟合数据的程度打分（Cooper and Herskovits 1991；Heckerman et al. 1999），然后在可能的结构空间中搜索后验得分最高的那些。贝叶斯方法的优点是在小样本条件下仍能良好运作，但难以应对隐变量。贝叶斯方法所有实际实现都做的参数独立性假设，会诱导对参数更少模型的偏好——亦即对最简性的偏好。同样，参数独立性只有在参数代表"可彼此独立变化的机制"时才能得到辩护——也就是说，当系统是自主的、因此稳定时。

Postscript for the Second Edition

本节为第二版后记。CMU 的 TETRAD 小组继续大力推进因果发现工作，报告见 Spirtes et al.（2000）、Robins et al.（2003）、Scheines（2002）以及 Moneta and Spirtes（2006）；Spirtes、Glymour、Scheines 与 Tillman（2010）总结了该领域的当前现状。经济学中因果发现的应用见 Bessler（2002）、Swanson and Granger（1997）以及 Demiralp and Hoover（2003）。Gopnik et al.（2004）将因果贝叶斯网络应用于解释儿童如何从观察与行动中获取因果知识（另见 Glymour 2001）。Hoyer et al.（2006）与 Shimizu et al.（2005, 2006）提出了一种不基于条件独立性而基于函数复合的新因果方向性发现方案——思路是在带非高斯噪声的线性模型 \(X \to Y\) 中，Y 是两个独立噪声项的线性组合；因此 \(P(y)\) 是两个非高斯分布的卷积，比 \(P(x)\) 更"高斯"。"比……更"高斯的关系可被赋予精确的数值度量，并用于推断某些箭头的方向性。Tian and Pearl（2001a, b）开发了另一种基于"冲击"检测的因果发现方法——冲击是环境中的自发局部变化，作用如同"自然的干预"，揭示由冲击指向其结果的因果方向性。Verma and Pearl（1990）指出：两个潜结构可能蕴含相同的条件独立性集，却对联合分布施加不同的等式约束。这些约束被 Tian and Pearl（2002b）与 Shpitser and Pearl（2008）系统刻画，称为"休眠独立性"（dormant independencies）；它们有望成为结构学习的新有力发现工具。一项因果发现算法的基准测试计划——Causality Workbench——已由 Guyon et al.（2008a, b；http://clopinet.com/causality）报告。该计划定期举办竞赛，参与者拿到真实数据或由隐藏因果模型生成的数据，挑战是预测一组特定干预的结果。

本章个人批注

本章是 Pearl 因果推断理论的核心——把"因果"从一个形而上学概念落地为可计算、可由算法从纯观测数据中恢复的图形对象。读完后最深的印象是：所谓"因果发现"，并不是直接读出箭头方向，而是先把"最简性"与"稳定性"两个假设从背景哲学拽到前台，变成可操作的程序（IC 与 IC），再用条件独立性查询把这两个假设的执行结果写回到图上。作者反复在"没有操控则没有因果"（Holland）和"非传递三元组"（collider 的统计指纹）之间搭桥，把 Holland 的口号翻译成可在数据中检验的具体模式——这是本章最让人佩服的方法论功夫。"潜在因 vs 真实因"的二分（定义 2.7.1 与 2.7.2）也很有教益：很多人以为"独立判定因"已经够强，但作者明确指出 collider 模式只够把 X 降级为"潜在因"；要把它升级为"真实因"，需要另一组三元组来"关闭"潜在共同原因这一逃生通道。把 2.9.1 节读完后，我理解了为什么 Pearl 反复强调 Markov 假设的"约定性"——他在预先承认量子力学之类的例外存在的同时，把日常宏观世界嵌入一个可用潜变量挽救的框架，从而使算法得以实用。"统计时间"那一节（2.8）在我之前读过的因果文献里不常见——把"时间偏倚"表述为"大多数自然现象的物理时间与至少一个统计时间重合"的猜想，再通过线性变换构造反例（"换坐标系就能让统计时间反过来"），这个论证干净漂亮，同时也点出一个常被忽视的洞见：因果方向之所以"看起来"自然，并不是物理实在强加的，而是人类选择语言原语的副产物——Pearl and Verma 1991 的"生存压力"猜测虽然有推测性，但其形式化方式（用 IC 算法在抑制时间信息后仍能识别出真实方向）十分有说服力。回顾 2.4 节关于"稳定性 vs 最简性"的椅子类比——一个用"两把椅子精确对齐到一把刚好挡住另一把"来反例 T1——让我立刻想起 Occam 剃刀与统计假设检验之间更深层的联系：奥卡姆剃刀本质上是对参数空间测度的一种"先验信念"——把假设空间限制在"参数可独立变化"的子集上；这与贝叶斯方法中"参数独立性"假设的隐含先验几乎完全等价，作者在 Relation to the Bayesian Approach 一段中明确指出了这一点。最后，本章没有给出"如何处理干预数据"或"如何把因果图用于反事实推理"的算法——这些分别在第 3、4、7 章展开。本章只承诺一件事：在纯观测数据 + 稳定性假设 + 最简性原则之下，因果方向是可以被识别到何种程度——而 IC 的输出（marked pattern）已经把"已识别"与"未定"清楚地区分开来。这为后续章节的"识别性条件""do-calculus"等议题搭好了舞台。

与上下章的衔接（一段话）

本章承接第 1 章奠定的图形—概率基础，把"因果模型"从一种描述工具升级为可由算法从观测分布中恢复的对象。第 1 章定义了 DAG、d-分离、Markov 条件以及结构因果模型的语言，本章则提出一个具体问题：在没有时间信息、没有干预、只给定可观测子集 O 上的分布 P(O) 时，能在多大程度上恢复底层因果结构 D 的拓扑？作者给出的回答是三层假设——最简性、稳定性、可观测性完备或不完备——与两条算法——IC（针对完全可观测情形）、IC（针对含潜变量情形）——的组合；并在 2.7 节进一步把 IC 的输出翻译成"潜在因 / 真实因 / 伪关联"的可操作定义，使读者能把图论对象与因果断言直接挂钩。下一章（第 3 章）"Causal Diagrams and the Identification of Causal Effects"则把问题翻转——给定一个已知的因果图，询问"某种因果效应 \(P(Y \mid \mathrm{do}(X))\) 是否能从可观测分布中识别"，并给出后门准则、前门准则、do-calculus 等系统化判定与变换工具。换句话说，第 2 章处理"图怎么来"，第 3 章处理"已知图之后能做什么"——这两章合在一起构成了 Pearl 因果推断理论的"识别"主线。