请问当我们建模的时候，应该用下面哪个？

1) HCG_level ~ pregnant

2) pregnant ~ HCG_level

第一个是说，怀孕了，drive HCG_level 升高。

第二个是说，当你怀孕测试纸测出两道杠了，你就怀孕了。 HCG_level能预测是否怀孕。

请问，第二个模型中，能表示HCG_level 是pregnant的driver吗?

当我们分析两个变量的时候，怎么确定谁是因，谁是果？

果 ~ 因

这个模型好理解。

那么

因 ~ 果

这个模型代表什么意义呢？现实中，为什么人们喜欢从果来推测因？

另外，如果因是多因，那么果因模型该如何构建呢？

如果原因果模型是

果 ~ 因1+ 因2 + 因3

那么果因模型是转换成

因1 ~ 果 + 因2 + 因3

吗？

还是

转换成

因1 ~ 果

因2 ~ 果

因3 ~ 果

吗？

不懂建模，但是我觉得很直白啊，怀孕了（=受精卵着床成功了），所以HCG升高。

模型确定不了因果啊，只能说correlated。但显然怀孕是因吧

明白的人讲讲

因 ~ 果

这样的模型的意义吗？

另外如果原模型是

果 ~ 因1+ 因2 + 因3

是转换成

因1 ~ 果 + 因2 + 因3

吗？

还是

是转换成

因1 ~ 果

因2 ~ 果

因3 ~ 果

吗？

请高手畅谈一下由结果推测原因，这样的模型该如何搭建？