研究在具有潜在变量的线性非高斯无环模型 (LiNGAM) 中因果效应的通用可识别性问题。针对已知先验的因果图和未知因果图两种情况，对观察变量之间可识别的直接或总因果效应提供了完整的图形特征化，并提出了有效的算法来验证图形条件。最后，提出了重建独立成分分析 (RICA) 算法的改进版本，该算法可从观测数据中估计因果效应，并通过实验证明了所提方法估计因果效应的有效性。

提出Func-LiNGAM，将LiNGAM扩展至希尔伯特空间，用于fMRI和EEG脑连接的因果识别。采用函数主成分分析优化坐标，克服无限维稀疏性问题。合成数据验证了多变量函数因果关系的可识别性，并应用于真实fMRI数据以分析脑连接模式。