Hãy nói rằng bạn quan tâm đến tác động nhân quả của trên . Các tuyên bố sau đây không hoàn toàn chính xác nhưng tôi nghĩ truyền đạt trực giác đằng sau hai cách tiếp cận:DY
Điều chỉnh cửa sau: Xác định các biến (tuổi, giới tính) điều khiển cả (một loại thuốc) và (sức khỏe). Sau đó, tìm đơn vị với giá trị tương tự cho (cùng tuổi, cùng giới tính), nhưng giá trị khác nhau cho , và tính toán độ lệch trong . Nếu có sự khác biệt về giữa các đơn vị này, thì đó phải là do , và không phải do bất kỳ điều gì khác.XDYXDYYD
Biểu đồ nhân quả có liên quan trông như thế này:
Điều chỉnh cửa trước: Điều này có nghĩa là bạn cần hiểu chính xác cơ chế mà (bây giờ hãy nói rằng nó hút thuốc) ảnh hưởng đến (ung thư phổi). Giả sử tất cả chảy qua biến (tar trong phổi): (hút thuốc) ảnh hưởng đến (tar) và (tar) ảnh hưởng đến ; không có tác dụng trực tiếp Sau đó, để tìm ra tác dụng của đối với , hãy tính toán tác động của việc hút thuốc lá trên tar và sau đó là tác dụng của tar đối với bệnh ung thư - có thể thông qua điều chỉnh cửa sau - và nhân tác động của lên với tác động của lênDYMDMMYDYDMMY.
Biểu đồ nhân quả có liên quan trông như thế này (trong đó không quan sát thấy ):U
Ở đây, điều chỉnh trước cửa làm việc vì không có con đường trở lại cửa mở từ đến . Đường dẫn bị chặn. Điều này là do các mũi tên "va chạm" trong . Vì vậy, hiệu ứng được xác định.DMD←U→Y←MYD→M
Tương tự, hiệu ứng được xác định do đường dẫn cửa sau duy nhất từ đến chạy qua , do đó bạn có thể điều chỉnh cho nó bằng chiến lược cửa sau.M→YMYD
Tóm lại, bạn có thể xác định "cơ chế con" và không có hiệu ứng trực tiếp, vì vậy bạn có thể ghép các cơ chế con lại với nhau để ước tính hiệu ứng tổng thể. Điều này sẽ không hoạt động nếu infuences , bởi vì sau đó xác định các submechanisms không làm việc.UM