Latente Variable Kausalität trotz Selektionsbias entdeckt Wissenschaftler haben einen neuen Ansatz entwickelt, um kausale Zusammenhänge in Modellen mit latenten Variablen zu identifizieren, selbst wenn die Daten durch Selektionsbias verzerrt sind. Der Schlüssel liegt in sogenannten Rangbeschränkungen, die die Rangstruktur von Kovarianzuntermatrizen in linearen Gaußschen Modellen nutzen – eine Erweiterung der klassischen Bedingten Unabhängigkeitsregeln. Obwohl Selektionsbias die gemeinsame Verteilung sta