Causal DAG（因果有向无环图）

因果有向无环图（Causal DAG）是因果推断的核心工具，由Judea Pearl提出。节点代表变量，有向边表示直接因果关系，无环假设排除循环因果。DAG编码了条件独立性，并支持do-演算，用于从观测数据中估计干预效应。后门准则和前门准则帮助识别可调整的变量集。因果发现算法（如PC、GES）可从数据中学习DAG结构。Causal DAG在流行病学、经济学和社会科学中广泛应用，例如评估吸烟对癌症的因果影响。