- 发帖可能变空内容，邪门暂不知所以然
- 『稷下学宫』新认证方式，24年网站打算和努力目标
主题：【原创】因果关系（科学中的因果关系） -- earthcolor
家园 【原创】因果关系（科学中的因果关系） 前面一直在犹豫：要不要写这个帖子？一个原因是这个话题本身有很大的争议，很难有一个大家都接受的结论。另一个原因是自己对这方面研究不深，有些内容写出来不一定正确。另外，如果作为专业研究讨论这个话题，可能感兴趣的人不一定很多。不过，看到《经济管理》版中，很多人都以专业的知识，讨论专业的内容。因为大家都对经济有感觉，所以大家可以讨论到一起。虽然大家的看法各有不同，但专业的和业余的人士还是可以交流的（虽然专业人士经常感觉非专业人士的说法不准确，非专业人士感觉专业人士的说法是不知所云）。其实，有时候专业人员和业余人员的分界线不是那么明显的。业余人员在某一方面花时间多了，也就成立专业人员。每个行业的第一专业人员，肯定是从业余人员来的（总不会天上掉下来吧）。记得有这样一个故事。文革前的一个学物理的大学生，被下放到一个单位的食堂，主要工作是买菜。买菜，这事可大可小。这位先生，将食堂所需的菜规划分类，将城市的菜市场规划分类，考虑城市的交通和红绿灯情况，系统考虑问题，通过优化，买菜价格合理、花费时间少。文革后，这位先生成了国家有名的系统论专家。看来，只要有心去了解一个东西，专业并不只是指学校学习的东西，也包括业务中用到的东西和自己花时间去了解的东西。
相对于经济、股市、时事等在西西河的热门话题，因果关系也是一个大家都可以参与讨论的话题，因为我们的生活中充满着因果关系，我们无时无刻不在和因果关系打交道，只是很多时候我们都没有意识到我们在应用因果关系。简单地说一个现象：你按开关，灯会亮；再按开关，灯会灭。这里面就包含着因果关系。当然，每种因果关系的讨论，都包括很多条件，比如，电源是好的，电路是好的。不过，在日常生活中，我们可能省略了（或默认了）各种条件。只将注意力放在主要的因素上：在上面的现象中，“灯会不会亮”是我们主要关心的。如果无论我们如何按开关，灯都不亮，我们将会检查电源。如果电源是好的，我们会检查灯泡。如果灯泡是好的，我们会检查电路，等等。可以看出，在不同条件下，我们注意的主要因素会变化。
我个人对因果关系的一些研究文章，有一点了解。不过，自己对这个领域了解不深，可能对个别问题有自己的看法，但是从总体上来说，没有自己的系统。现在讲出来，和大家交流，共同学习。如果有不对的地方，敬请指出。
因果关系是一个有争议的话题。自从有了人类（或者更广泛一点，生物），大家就开始了对因果关系的观察、讨论和应用。比如用火可以加热东西，按季节种植可以收获庄稼。在古希腊，亚里士多德讨论过因果关系。在文艺复兴时期，开始了大量的自然探索，更是离不开对因果关系的探讨。在现代科学中，更是默认有因果关系存在：吃了这种药，可以治疗某种疾病。可以说，因果关系已经深入我们的生活，一两岁的小孩，也可以明显地判断因果关系：很烫的东西可以烫痛手的，小孩摸过一次烫的东西后，一定会吸取教训，不再去摸烫的东西。（让他们有一点点经验也是可以。不过，大人要保护小宝宝，不要让他们烫伤了。）
在河里，有不少人从自己的专业或爱好出发，比如在经济中，或者在宗教中，提到了因果关系。现在在各个学校里，好像没有专门的因果关系专业吧。不过，不管你是默认也罢，还是反对也罢，每个学科都和因果关系有联系。在这里，我主要读了以下几本书和一些相关的文章（插一句话：书是读过，理解多少是另外一回事）。如果有人对这方面感兴趣，想深入了解，可以自己找书来读。
C. Glymour, G.F. Cooper (Eds.), Computation, Causation, and Discovery, MIT Press, Cambridge, MA, USA, 1999
J. Pearl, Causality: models, reasoning, and inference, Cambridge University Press, New York, 2000.
P. Spirtes, C. Glymour, R. Scheines, Causation, Prediction, and Search (Second Edition), MIT Press, Cambridge, MA, USA, 2000.
J. Woodward, Making things happen: a theory of causal explanation, Oxford University Press, 2003
前三本书偏重于统计、计算机专业，理论性较强。在这些书中，我认为Judea Pearl的书影响最大，因为他定义了三条重要的规则。根据这三条规则，在一定条件和因果关系结构给定的情况下，可以将将观察数据中得来的相关关系（correlation）的度量（或者说概率），转换成因果关系（causality）中的度量。这三条规则，势必对其他领域的因果关系研究有直接的影响，尤其是在无法进行可控制可重复的实验的领域。比如，在经济领域里，我们可以根据经验，得出变量之间的因果关系结构。也许我们知道改变一个经济参数时，其他参数可能的变化方向。但是，我们只有观察数据，没有实验数据，无法推断我们在改变一个经济参数（比如利率）时，其他参数具体变化的程度。Judea Pearl的研究结果，为我们提供了相应的指导：在一定条件下，如果我们人为地改变一些系统的参数（比如利率），我们可以根据已有的观察数据，推断系统中其他参数变化程度。（当然，如何选取观察数据，是另外一个问题。这里先不讲，以后再说。不过先提一下，农业的数据比较好观察，因为庄稼有明显的种植和收获时间，而整体经济运行是连续的，数据的采样、时间间隔选取都是问题。）
Spirtes和他的合作者的书，主要讲述了如何根据已有的观察数据，搜索、发现可能的因果关系结构。也就是说，哪一个因果关系结构，能更好地解释已有观察数据。和Judea Pearl一样，在他们的书里，作者主要是应用了概率里的条件独立关系，来推断变量之间的互相依赖关系。在两个假设（因果关系的马尔科夫假设和忠实性假设， causal Markov assumption and faithfulness assumption）给定的条件下，很多因果关系可以根据条件独立关系，从观察数据中推断出来。
Glymour和Cooper的书是一个论文集，收集了很多在因果关系研究领域有影响的研究人员的作品。不同的文章作者讨论他们对因果关系的理解、因果关系的发现和应用。这本书可以作为Judea Pearl和Spirtes et al 书的补充。（我只挑选了一些文章来读。）
第四本书偏重于哲学，相对来说没有太多数学，理论上容易理解一些。这本书讲到了其他多种的因果关系理论，有兴趣的爱好者可以自己去看一看（我基本没有读过）。这本书里的因果关系的结构描述，更多采用Judea Pearl 的表示方法。不过，这本书的英语到了哲学写作的程度，英语语言本身绕来绕去的，不像理科文章的语言那么直接。这本书看得我头晕，现在还没有读完。
我前面看的大多数是英文资料。如果有人可以提供相关的中文资料，将非常感谢。
我想写的内容，一部分其实主要是翻译，另外一部分是自己的一些随想（也可以说是读书笔记吧）。先列出来一些问题，欢迎大家讨论。
关键词(Tags): #因果关系， 元宝推荐：爱莲,
本帖一共被 1 帖 引用 (帖内工具实现)家园 一个笑话 据说一个飞机上有炸弹的概率为十万分之一，但某人并不认为这个概率很小。概率小毕竟意味者可能，每天航班这么多，十万分之一确实不是一个小数目。
而一个飞机上有两个炸弹的概率为一百亿分之一。所以有人带一个炸弹上飞机，说这样可以减少飞机上有炸弹的概率。
家园 关于因果关系的中文书单：偏哲学 找了一些中文的书单，有时间的话可以找来看看。如果有人有更多的话，欢迎补充。
Author 张志林.
Title 因果观念与休谟问题 / 张志林著.
Yin guo guan nian yu xiu mo wen ti.
Imprint 长沙 : 湖南敎育出版社, 1998.
休谟 = David Hume
周晓亮, 1949-
[长沙] : 湖南敎育出版社, 1999.
休谟及其人性哲学
周晓亮.
北京 : 社会科学文献出版社, 1996.
通往人学途中 : 休谟人性论硏究 = Towards humanics : a research on Hume's theory of human nature / 黄振定著.
[长沙] : 湖南敎育出版社, 1997.
人性论 / [英] 休谟; 关文运译
知识之谜 : 休谟以来的西方知识论及评析
尹星凡.
[南昌] : 江西人民出版社, 1998.
家园 张志林书中提出的问题 Author 张志林.
Title 因果观念与休谟问题 / 张志林著.
Yin guo guan nian yu xiu mo wen ti.
Imprint 长沙 : 湖南敎育出版社, 1998.
1.因果关系究竟是怎样的？
2.因果观念与概率观点是否势不两立？
3.因果观念与科学推理有什么关系？
4.因果律、自然律与科学解释之间的关系是怎样的？
5.因果观念在现代科学中有什么作用？
引用洛西（J.Losee）的一段论述：
科学哲学家在科学哲学中寻求下列这些问题的答案：
1.什么特征把科学探索与其他类型的研究区分开来？
2.科学家在研究自然的过程中应遵循哪些程序？
3.一种科学解释必须满足什么条件才是正确的？
4.科学的定律和原理的认识地位是什么？
提出这些问题就是假定离开科学本身的实践，站在更高一个层次上看问题。在从事科学与思考应该如何从事科学之间是有区别的。关于科学方法的分析是一门二级学科，其主题是各门科学的程序和结构：
层次 学科 主题
2 科学哲学 程序分析和科学解释的逻辑
1 科学 事实的解释
0 事实
家园 因果关系, 线性关系, 非线性关系 还没有读你的文章， 先想到这些词， 一定要读你的文章， 好题目
家园 【建议】是否能谈谈常见的似是而非（plausible）的 逻辑推理在因果关系中的误用。
家园 多给一些提示吧 比如一些具体例子。不然，我对问题有一个似是而非的理解，可能就有一个似是而非的回答。
- 复 多给一些提示吧
家园 我感兴趣的了解是一些常见的因果逻辑错误， 了解这些对争论的东西能有更准确的认识。如：
1、因为多数（所有）的专家都说是对的，所以这是对的。
2、因为大多数这么做（看），所以这是对的。
这两个有什么问题，如何反驳？
家园 可以考虑Fuzzy Logic和概率模型 基于不确定性因果推理的工具有两个：
基于概率模型（probability）的贝叶斯信念网(Bayesian Belief Networks)和基于可能性模型（possibility）的模糊认知图(Fuzzy Cognitive Maps)
家园 想到了三峡工程 大部分情况下大多数专家的意见和大多数群众的意见是一致的。当然也有例外，比如三峡工程。
专家意见自然是拥护三峡工程的多，可是民间尤其是坚信自己能独立思考的知识分子中支持黄万里的似乎占大多数。
个人有个猜测：反对工程的专家得不到太多的官方兴趣，只好把精力转移到田间地头，杂志网络；而拥护工程的专家大都是主流，位高权重，是没有兴趣来进行科普的。这么一来广大知识分子接触到的信息大多是种种弊端，多灌输几次就觉得自己掌握的是真理了。
家园 关于你的问题，一点想法 对于这个问题，应该有比较系统的论述。至少在决策理论中，有如何综合专家意见的研究。大概的结论是，如果问题是可以重复的，那么采用多数人的意见在大多情况下是正确的。至于如何综合多数人的意见，可以有不同的方法。如果只是某一个具体问题，应该具体分析。
由于最近比较忙，一时没时间找资料。简单说一下自己的想法。
首先，我们有一个假设：任何问题都有一个正确的答案或解释。如果可以有多个答案，那么每一专家有可能都是正确的。
第二，我们要如何评论一个答案？一个评价的标准对结果影响很大。
第三，我们有针对的是某一个具体问题还是一个普遍的可重复的问题。两类不同的问题，要求的条件和标准完全不一样。
第四，专家的可靠性有多高？
如果某一个专家的可靠性非常高，将其他人的意见和他的综合，很可能是综合后的结论比这个专家的意见可靠性低。
第五，意见综合的方法。很多讨论都集中在这里。一人一票制、加权平均、概率计算等。
举几个例子，来说明（在当时）大多数人的意见不一定正确，比如当年的地心说，化学里的燃素说，物理的以太说。在当时，这些学说都是占主导地位的，但现在看来都不正确。虽然这些例子比较少，但是确实是存在的。
所以，具体问题要具体分析。
家园 这个似乎不是因果逻辑吧? 虽然用了"因为所以".这好像说的是证据强弱的问题.
家园 【因果关系-原版翻译】原因与结果的艺术和科学 - 写在前面的话 自己以前没有正式做过翻译，所以一直认为翻译没有那么难，尤其我们自己翻译时，还可以查词典。这次当自己真正想翻译一点东西时，才发现翻译是很难的。有时候，是自己对原文理解的问题，需要查英文词典。很多时候，发现自己大概理解原文的意思，可是就是找不到合适的词语来表达。看来，自己的英语需要提高，汉语也需要提高。现在的翻译，就看做是一次语言练习吧。
由于翻译仓促和知识有限，错误在所难免。如果您发现翻译中有不合适的地方，请不吝赐教。
下面的翻译是Judea Pearl在1996年UCLA获杰出研究奖时的演讲。演讲内容共分三部分。第一部分概括了因果关系研究的历史。在所有提到的研究中，我认为最重要的有两个。一个是伽利略在科学中引入了数学。Judea Pearl称之为伽利略革命。确实，如果没有科学研究的数学化，西方的科技大发展可能无从谈起。所以，科学的数学化是一个无论怎么评价都不为高的成就。另一个是休谟的《人性论》。在因果关系研究的历史中，休谟的研究是一个划时代的成就。他以他的怀疑论，推翻了前人对因果关系的理解。第二部分讲解了图像模型在因果关系研究中的由来、发展和Judea Pearl提出的新想法。第三部分通过实际的例子来讲解Judea Pearl新想法的应用。
阅读这个翻译，请配合原幻灯片看，因为有一部分内容在幻灯片里。
原文链接
家园 【因果关系-原版翻译】原因与结果的艺术和科学（三） The following is the Chinese translation of Professor Judea Pearl’s lecture transcript at the eighty-first lecture in the UCLA Faculty Research Lectureship Program. The original version is at the web page http://singapore.cs.ucla.edu/LECTURE/lecture_sec1.htm. This translated version may differ from the original version. If you find any confusion or errors in this translated version, please refer to the original version for more information, and please leave your message in this forum. I'd like to thank Professor Judea Pearl for granting permission to translate and to publish his lecture on the web.
下面是朱迪亚.明珠教授 教授在1996年获得加州大学洛杉矶分校研究讲座演讲的中文译稿。原稿的网址是http://singapore.cs.ucla.edu/LECTURE/lecture_sec1.htm。 这个中文译稿有可能和原稿不一致。如果你在中文译稿中发现有语言不妥或错误的地方，请参照原文以获取更多的信息，并请在这个论坛上留言。我非常感谢朱迪亚•明珠教授同意翻译他的演讲稿，并发表在网络上。
朱迪亚.明珠
被授予第八十一届研究讲座**
原因与结果的艺术和科学*
于1996年10月29日星期四的演讲稿，作为加州大学洛杉矶分校第八十一届研究讲座系列的一部分
*本演讲现作为（我的专著）《因果关系：模型，推理与推论》的后记。本书即将由剑桥大学出版社于2000年1月出版（已经出版 – 译者注）。
** （此乃该校最高的学术荣誉 – 译者注）
可以点击略图来查看全尺寸的幻灯片
另外，您也可以打开一个新的网页浏览器，同时查看文本和幻灯片
提醒 – 这个演讲的页面包含很多图片，可能要花一段时间才能下载。
如果需要硬拷贝的话，请联络[email protected]
阅读这个翻译，请配合原幻灯片看，因为有一部分内容在幻灯片里。
The lecture "The Art and Science of Cause and Effect" was delivered by Judea Pearl in 1996, and also appears as Epilogue in his book "Causality" by Cambridge University Press.
原文链接
http://singapore.cs.ucla.edu/LECTURE/lecture_sec3.htm
幻灯片58 ：大纲
这些内容把我们带到了演讲的第三部分，在这里我将展示到目前为止的想法如何被用来解决实际中很重要的新问题。
幻灯片59 ：吸烟导致癌症吗？
我们来考虑一下吸烟对肺癌影响的百年争论。在1964年，军医局局长发表了一份报告，把吸烟和死亡、癌症、尤其是肺癌联系了起来。该报告是基于非实验性研究，发现了吸烟与肺癌有很强的相关性，并声称发现的相关性是因果关系，也就是，如果我们禁止吸烟，癌症的发病率将和我们在非吸烟人群发现的癌症发病率大致一样。这些研究受到了来自烟草业的严厉攻击，这些攻击得到一些非常杰出的统计人员的支持，其中包括罗纳德费舍尔爵士。他们的观点是，观察到的相关性也可以由一个在吸烟和肺癌没有因果联系的模型来解释。作为替代模型，可能存在一个没有观察到的基因，这个基因同时导致了癌症和产生了对尼古丁的渴求。形式上来讲，这种说法可以用我们的符号表达为：P(cancer | do(smoke)) = P(cancer)。这个表达式说明让一个人群吸烟或戒烟不会影响癌症的发病率。可控的对照实验可以决定两个模型（的正确与否），但这些实验是不可能做的，而且现在这样做还是违法的。（译者注：因为我们不可以进行一个随机实验，强迫一些人去吸烟，以检验吸烟的后果。）
这是所有的历史情况。现在，我们进入一个假设的时代，双方的代表决定会面并消除他们之间的分歧。烟草业承认在吸烟和癌症之间可能有一些微弱的因果联系，而健康组织也让步，认为基因因素与吸烟和癌症也有微弱的联系。因此，他们得出这个复合模型，并且把问题归结为从数据中评估各个联系的强度。他们把这个问题提交给一个统计学家，答案马上就回来了：不可能的。意思是：没有办法从数据中估计出这些联系的强度，因为任何数据都完全符合这两个极端的模型中其中一个。所以他们放弃（数学方法），并决定像以前一样继续进行政治斗争。
在这个分歧面前，有个建议被提出了：如果我们测量一些辅助变量，也许我们可以解决我们的分歧，例如，因为因果联系模型是建立在这样的理解基础上的：吸烟是通过在肺部的焦油沉积量来影响肺癌的。或许我们可以测量采样人群的焦油沉积量，这可能会为量化这些联系提供必要的信息？双方一致认为，这是一项合理的建议，所以他们提交一份新问题给统计学家：假设在中间变量（焦油沉积量）可测的情况下，我们能得出吸烟对癌症的影响吗？ ？ ？该统计学家回复了一个好消息：这是可计算的，而且，答案是由严格的数学形式给出。 如何做呢？
幻灯片60 ：因果关系演算的典型推导
该统计学家收到了这个问题，并把它作为一个高中代数问题：我们需要在假设的行动下从非实验数据中计算P(cancer) ，即从没有行动的表达式中来计算。或者说，我们需要从初始表达式中消掉符号“DO”。这个消除就像普通的解代数方程一样进行 –– 在每一个步骤，应用一个由部分图许可的新规则，直到找到一个只有白色符号的公式。这意味着表达式是可以从非实验数据计算的。你大概怀疑这个推导是否解决吸烟癌症的争论。答案是否定的。即使我们可能得到焦油沉积量的数据，上面的模型太简单，因为它是基于某些双方可能不会同意的假设。举例来说，在吸烟与肺癌之间没有直接的联系，由焦油沉积量作为中介。该模型将需要加以完善，然后，我们最终可能得到一个含20或更多的变量的图。当有人告诉我们：“你们没有考虑到这样或那样的因素”时，没必要恐慌。与此相反，这种图欢迎这样的新思路、新观点，因为这个图是那么容易地将新的因素与测量添加到模型中。现在已存在简单的测试，来允许调查者只看图表就决定我们是否能计算一个变量对另一个变量的影响。我们下一个例子将说明一个长期存在的问题是如何被纯粹图形化的手段解决的 –– 即被新代数证明的。问题是所谓的调整问题，或者“相关变量选择问题”，是代表了辛普森悖论实际的一面。
幻灯片61 ：辛普森悖论
辛普森悖论首先在1899年由皮尔逊注意到，它涉及一个令人不安的现象：在分析中加入一个额外的变量，两个变量之间的统计关系可能会变得完全相反。例如，您可能在进行一项研究，发现吸烟的学生会得高分，不过，如果你考虑了年龄，结果正好相反，在每一个年龄组，即吸烟的学生会得低分。如果您进一步考虑父母的收入，您会发现在每一个（年龄–收入）组，吸烟可以预测高分，如此等等。同样令人不安的是，事实上，没有人能告诉我们哪些因素应该包括在分析中。现在这些因素都可以用简单的图形化手段来确定。
辛普森悖论的经典案例发生在1975年，当时对加州大学伯克利分校在研究生录取的性别歧视方面进行了调查。在这项研究中，整体数据显示，男性申请人的录取率较高。但是，按各个系考虑时，数据显示女性申请人的录取率稍微偏高。解释很简单：女性申请人往往倾向于申请竞争更激烈的院系，在这些院系里，无论男性和女性的录取率都很低。
幻灯片62 ：渔网
为了说明这一点，设想渔船有两个不同的渔网，一个的网眼很大和一个网眼很小。一群鱼向渔船游来，并想游过去。雌性的鱼试图穿过网眼较小的渔网，而雄性的鱼试图走容易的路线（来穿过网眼较大的渔网）。雄性可以通过，而只有雌性被捉住了。通过最后的判断，对女性的偏好是显而易见的。但是，如果分别分析的话，每一个渔网都肯定更容易捉到雄性的鱼。
另一个例子涉及到一个所谓的“反向回归” 争论，这个争论曾占满了20世纪70年代的社会科学文献。在工资歧视案件中，我们应比较资历相同的男性和女性的工资，或者相反的，我们应比较拿同样工资的男性和女性的资历？值得注意的是，两个选择导致了相反的结论。
研究显示，同样资历的男性比女性挣更多的钱，同时，挣同样钱的男性比女性资历更好。这个故事的教益在于，当我们进行比较时，所有的结论都对我们选择为常量的变量极为敏感，这就是为什么在观察研究分析中，变量调整问题是如此的重要。
幻灯片63 ：统计变量调整问题
考虑这样一个观测研究，我们想找到X对Y的影响，例如，治疗措施对治疗效果的影响。我们可以考虑很多和问题相关的因素：一些受治疗的影响，有些影响治疗措施，有些则既影响治疗措施也影响治疗效果。这些因素中的一部分可能无法测量，如遗传性状或生活方式，而另外一些是可以测量的，如性别，年龄和工资水平。我们的问题是要选择这些因素的一个子集，用于测量和变量调整，即，如果在同样的测量值和平均值下我们比较受实验者，我们可以得到正确的结果。
幻灯片64 ：变量调整问题的图形化解决方案
让我们共同遵循下面所需的步骤，来测试两个候选的测量Z1和Z2是否是足够的。步骤相当简单，即使在大图上，也可以手动完成。不过，为了让您觉得这样做的程式化，我会很快地讲解他们。我们可以开始了。
幻灯片65––69 ：变量调整问题的图形解决方案（续）
在这些操作的最后，我们得到了我们问题的答案：“如果X是和Y分离的，那么Z1和Z2是合适的测量变量（来计算X对Y的影响）。”
结束语
现在我想简单地总结一下这个演讲的中心内容。事实上对原因和结果的测试是很难的。发现产生结果的具体原因更是困难。但因果关系并不是 神秘的或形而上的。它是可以通过简单的过程来理解的，它是可以用友好的数学语言来表达，它是可以被计算机分析的。
幻灯片70 ：珠算
今天我所呈现给您的是一种袖珍计算器，算盘，为了帮助我们在数学精度下研究某些因果关系问题。这虽不能解决所有的因果关系问题，但是符号和数学的力量还是不应被低估的。
幻灯片71 ： 新的和旧的算术之间的竞争
因为缺乏一个推广新想法和让科学家们交流研究结果的数学语言，许多科学发现已被推迟了数百年。我深信，在这个世纪，因为缺乏一个可以处理因果关系的数学语言，很多的发现也已被推迟。举例来说，我相信如果卡尔皮尔逊允许在他的数学中使用因果关系图的话，他可以在1901年想到随机实验的想法。
但真正具有挑战性的问题还在后面：我们仍然对贫穷、对癌症、对INTOLERANCE没有因果关系的理解。只有数据的积累和伟大思想的洞察力，最终将导致这种认识。数据随处可见，洞察力在你们的头脑中，现在你们有了一个算盘（可以去解决你们想解决的问题）。我希望这些因素的结合可以扩大每一部分的功能。谢谢大家！
感谢：
在翻译过程中使用了Google Translate （http://translate.google.com/）和爱词霸（http://www.iciba.bom）。在这里向提供这些工具的公司表示感谢！
网友“直抒胸臆”给予了很大的鼓励，通读了全文，并给予了修改和建议。
。