假设您对对的因果效应感兴趣。以下陈述不是很准确，但我认为传达了这两种方法背后的直觉：$D$$Y$

后门调整：确定哪些其他变量（年龄、性别）同时驱动（药物）和（健康）。然后，找到具有相同值（相同年龄、相同性别）但具有不同值的单位，并计算的差异。如果这些单位之间的存在差异，则应归因于，而不是归因于其他任何原因。$X$$D$$Y$$X$$D$$Y$$Y$$D$

相关的因果图如下所示：

前门调整：这意味着您需要准确了解（现在假设是吸烟）影响（肺癌）的机制。假设这一切都流经变量（肺中的焦油）：（吸烟）影响（焦油），而（焦油）影响；没有直接影响。然后，要找到对对的影响与对的影响相乘$D$$Y$$M$$D$$M$$M$$Y$$D$$Y$$D$$M$$M$$Y$.

相关的因果图如下所示（未观察到$U$

在这里，前门调整有效，因为从到没有开放的后门路径。路径被阻塞。这是因为中的箭头“碰撞” 。因此确定了效应。$D$$M$$D \leftarrow U \rightarrow Y \leftarrow M$$Y$$D \rightarrow M$

类似地，识别出到的唯一后门路径经过，因此您可以使用后门策略对其进行调整。$M \rightarrow Y$$M$$Y$$D$

总而言之，你可以识别出“子机制”，并没有直接的影响，所以你可以把子机制拼凑起来，估计出整体的效果。影响 ，这将不起作用，因为识别子机制不起作用。$U$$M$