Judea Pearl 2010 年發表的因果推論綜述，介紹結構因果模型如何整合因果圖、潛在結果與反事實推理，並處理三類問題：介入會造成什麼效果、某事件若未發生結果會如何，以及直接與間接效果如何區分。此框架強調因果推論依賴資料與明確假設，不是只看兩個變項是否同時出現。
思與行
- RCA 可以借用因果圖與反事實問題檢查推論，但現場調查通常有資料缺漏與難以隨機介入的限制；應將假設清楚標示，而非宣稱找到唯一客觀根因。
- 把這份資料與根因分析必須以風險降低而非報告完成衡量連讀，檢查知識是否真正轉化為可驗證的改變。
參考
- 文獻：Pearl, J. (2010), Causal Inference, Proceedings of Machine Learning Research, 6, 39–58.。(來源連結)
- 延伸脈絡：相關性與因果性不同因此事故調查需要明確的因果機制
- 延伸脈絡：反事實問題有助於測試原因但不能取代資料
- 延伸脈絡：因果敘事必須能追溯至可檢驗證據
- 書庫導讀：Root-cause_analysis