DAG는 구조화된 인과 모델임을 내포한다

$\epsilon_i$은 미관측 교란 효과를 의미한다 (소위 말하는 에러 텀)

$\epsilon_i$와 $f_i$의 분포를 가정하지 않기 때문에 완전한 non-parametric 프레임워크

SEM(Structural Equation Modeling)과 굉장히 비슷하지만 선형 관계로 제한하지 않기 때문에 더 general한 모델로 이해할 수도 있음

일반적 모델에서 $X = aW$는 $W = {1\over a}X$로 변형 가능. 즉 방향성이 없음

인과 모델에서는 $X$ ← $aW$가 $W$ ← ${1\over a}X$로 변형 불가능하여 "=" 대신 "←" 혹은 "→" 표기를 더 선호함

관측되지 않은 공통 원인은 빈 원으로 표기

<aside> 💡 위 표기 중 왼쪽 방식이 이후 많이 나오는데 표기된 두 변수간의 관계가 상호간 원인이라는 것이 아니라 미관측 공통 원인이 있다는 의미

</aside>