因果推断是在统计学科基础上发展起来的,专门研究事物之间因果关系的学科。因果推断理论的发展经历了从决定论因果观、经验论因果观,到概率论因果观的历程,其研究方法也经历了从低维到高维、从无核心模型到有模型、从简单数据到复杂数据的发展过程。因果推断的研究内容分为两大类,一类是关于因果作用的研究,另一类是关于因果关系的研究。因果作用的统计推断主要探讨因果作用的可识别性问题和因果作用的统计推断问题。本文对因果推断各种模型的发展历史及国内外研究现状进行了综合评述,尤其是对混杂条件下因果推断做了较为详尽的概述。在此基础上,对混杂数据构建了线性可加模型和非线性可加模型,对两种模型下的因果推断提出了新方法。具体来说,本文进行了四部分的理论研究工作:第一部分,根据混杂因素出现在因果关系中的不同路径结构表达,提出了线性可加回归模型和非线性可加回归模型,使其不但能适用于线性关系下的混杂因素的识别,还适用于非线性关系下混杂因素的识别;第二部分,对两种模型中的未知参数及未知函数进行估计;第三部分,对两种模型进行混杂因素识别,应用混杂因素的定义及线性迹方法,通过定义原因和结果的不对称关系确定其因果关系,建立一套识别混杂因素的算法;第四部分,对两种模型进行混杂控制,利用模型的解来解释混杂效应的消除。理论研究后,对所提出的方法进行统计模拟分析,验证所提出方法的合理性,并对重要的定理给出证明或证明概要。最后进行了实证研究,将所提出方法应用于探究太阳能光伏发电功率变化的可能原因,并找出可能对该因果关系造成偏倚效应的混杂因素。模拟分析和实证研究结果显示,基于线性可加回归模型和非线性可加回归模型下提出的关于混杂的识别方法以及混杂的控制方法都取得了较优的效果,且能较好地适用于混杂数据下的因果分析。最后对全文的研究做出总结并对未来的工作进行了展望,指出了下一步的研究工作。