（...接续）

第九则·辨全息统摄层

构造学论曰：因子析构之全息，有数端可察：

其一，因子含协同。因子之中，含协同之机。因子非孤，因子即合。因子含协同者，因子之全息也。

其二，协同含交互。协同之中，含交互之网。协同非加，协同即网。协同含交互者，协同之全息也。

其三，交互含相消。交互之中，含相消之抵。交互非增，交互即抵。交互含相消者，交互之全息也。

其四，相消含贡献。相消之中，含贡献之净。相消非灭，相消即净。相消含贡献者，相消之全息也。

其五，贡献含因子。贡献之中，含因子之根。贡献非外，贡献即因。贡献含因子者，贡献之全息也。

行思曰：五端之全息，归于一“息”字。因子含协同，协同含交互，交互含相消，相消含贡献，贡献含因子。息者，全息之魂也。 全息则真，不全则伪。

别见曰：故辨全息之要，不在“分而观”，而在合而会。会其全息，则因子一念皆含万机；不会全息，则虽分而观之，终隔一层。

构造学论又曰：全息统摄层之构造，有数端可察：

其一，信息-动力贯通。信息层之协同信息，以动力层之参数化系数解释其机制。协同信息之正，对应动力耦合之正反馈；协同信息之负，对应动力耦合之负反馈。贯通者，信息动力之一也。

其二，动力-非线性贯通。动力层之系数，以非线性层之逐样本归因解释其个体差异。系数为正，则各样本归因偏向正贡献；系数为负，则偏向负贡献。贯通者，动力非线性之一也。

其三，非线性-时空贯通。非线性层之归因，以时空层之权重函数解释其变域。归因之强度与方向，随区域与时季而变。贯通者，非线性时空之一也。

其四，全息如环。信息→动力→非线性→时空→新信息→新动力→新非线性→新时空。如环无端，如螺旋升。

行思曰：四端之统摄，归于一“贯”字。信息贯动力，动力贯非线性，非线性贯时空，时空贯新信息。贯者，全息层之命。 贯则四层如一，不贯则四层为散。

别见曰：故全息统摄层之要，不在“统多少”，而在统之贯。四层贯通，则多强迫因子之贡献被统摄为一个全息贡献谱。既有信息论之因果量化，又有动力学之机制解释，还有非线性之个体归因与时空之变域刻画。

————————

第十则·辨与现有方法之比较

构造学论曰：新法与现有方法之比较，有数端可察：

其一，优于方差分解。方差分解以线性假设为基，难以分离协同信息。新法以部分信息分解为骨，可将协同信息从独特信息与冗余信息中分离。方差分解只能得到“A的贡献+B的贡献=总贡献”之线性叙事；新法可得到“A独特+B独特+A与B冗余+A与B协同=总贡献”之全息叙事。

其二，优于单一信息流。单一信息流可量化因果方向，却难以分解多源至目标之全息贡献。新法以部分信息分解统摄信息流，可将多源之因果贡献分解至独特、冗余、协同三层。

其三，优于单一可解释AI。可解释AI可给出特征重要性，却缺乏动力学基础。新法以动力学参数化系数为可解释AI提供机制解释，使“特征重要性”不再是无机制的黑箱输出，而是有动力学因果支撑的贡献量化。

其四，优于单一动力学模型。动力学模型可提供机制解释，却难以量化各因子之相对贡献。新法以信息分解与可解释AI为动力学模型提供贡献量化，使“机制”不再停留在定性描述。

行思曰：四端之比较，归于一“融”字。融方差分解之分解思维，融信息流之因果量化，融可解释AI之非线性归因，融动力学之参数化机制。融者，新法之命。 融则兼收，不融则偏执。

别见曰：故比较之要，不在“谁优谁劣”，而在谁可统摄。新法非取代现有方法，乃统摄之。方差分解、信息流、可解释AI、动力学模型，各自在特定场景下仍为利器；新法则为多强迫因子贡献之全息评估提供统一框架。

————————

第十一则·辨操作路径

构造学论曰：新法之操作，有六步：

第一步：数据准备。收集目标变量与各强迫因子之时间序列，按区域与季节分块。以ENSO与IOD对中国降水为例，目标变量为降水异常，强迫因子为Niño3.4指数与DMI指数。

第二步：信息分解。以部分信息分解法，将多源至目标之信息交换分解为独特信息、冗余信息、协同信息三层。计算各层之数值及其时空分布。

第三步：动力参数化。以LIM-LK框架或扩展非线性充放电振子模型，拟合各因子之动力学贡献系数。以系数之正负与大小解释信息分解之结果。

第四步：非线性归因。以SHAP值为器，逐样本量化各因子之贡献。将归因结果与信息分解之结果对照，验证协同信息之存在与强度。

第五步：时空加权。以时空权重函数统摄前三层之结果，得到各因子在不同区域、不同季节、不同年代之贡献谱。

第六步：全息统摄。将信息层、动力层、非线性层、时空层之结果统摄为一个全息贡献谱，输出各因子之独特贡献、冗余贡献、协同贡献及其时空变域。

行思曰：六步之要，归于一“序”字。数据备而后信息分，信息分而后动力参，动力参而后非线性归，非线性归而后时空权，时空权而后全息统。序者，操作之命。 序立则法行，序乱则法败。

别见曰：故操作之要，不在“步多少”，而在步之贯。六步相贯，则新法可操作、可复现、可检验。

————————

第十二则·辨危

构造学论曰：新法之危，有数端可察：

其一，数据长度之危。部分信息分解需长序列数据，短序列易致偏差。ENSO与IOD之年代际调制更需数十年数据方能可靠量化。

其二，非线性估计之危。以核估计或Kraskov估计计算信息交换，需足够样本量方能稳定。样本不足则估计不稳，估计不稳则贡献量化不可信。

其三，因果方向之危。信息流可量化因果强度，却难以完全排除共同驱动之影响。ENSO与IOD可能共同受第三因子（如AMO）调制，则信息流可能高估二者之直接因果。

其四，时空加权之危。时空权重函数之选择具有一定主观性，不同权重方案可能导致不同贡献谱。

其五，全息统摄之危。四层贯通需各层结果一致，若信息层显示协同，而动力层显示相消，则贯通困难。需建立一致性检验机制。

行思曰：五端之危，归于一“谨”字。数据谨慎，估计谨慎，因果谨慎，权重谨慎，统摄谨慎。谨者，新法之守也。

别见曰：故辨危之要，不在“避危”，而在知危。知数据之限，知估计之限，知因果之限，知权重之限，知统摄之限。知限则法稳，不知限则法危。

————————

第十三则·正名

构造学论曰：世之论归因者，多持二失：

一曰以求尽为的。谓归因之法，可尽拆各因子之贡献。此以尽为的之失。不知交互不可尽拆，协同不可尽分，贡献不可尽析。新法之的，不在“尽拆”，而在“分层拆”，将不可尽拆之全息贡献，分层为独特、冗余、协同三层，各层各得其数。

二曰以单一为足。谓一法可足，无须多法。此以偏概全之失。不知信息论定因果，动力学定机制，可解释AI定个体，时空权重定变域，四者各有所长，缺一不可。新法之要，不在“一法万能”，而在“四法统摄” 。

行思曰：二失之根，皆在未辨“分”字。分者，非拆散也，乃分层也。信息层分因果，动力层分机制，非线性层分个体，时空层分变域。分层则各层各明，不分则混杂为混。

别见曰：正名之要，在于辨“分层统摄”之构造。以部分信息分解为骨，以动力学参数化为血，以可解释AI为肉，以时空权重为脉，以全息构造观为魂。五者贯通，则新法立。 知此，则因子归因新法之辨明矣。

————————

第十四则·归要

构造学论曰：多强迫因子贡献之时空信息动力分解框架，可一言蔽之：以部分信息分解为骨，以动力学参数化为血，以可解释AI为肉，以时空权重为脉，以全息构造观为魂；信息→动力→非线性→时空→新信息→新动力→新非线性→新时空；则各因子之独特贡献、冗余贡献、协同贡献，可在时空变域中被分别量化。

行思曰：新法非取代现有方法，乃统摄之。以信息论定因果分层，以动力学定机制系数，以可解释AI定个体归因，以时空权重定变域谱。四层贯通，则如ENSO与IOD之贡献，不仅在全局平均意义上被量化为“ENSO主导、IOD调制”，更在每一区域、每一季节、每一年代被分别量化为独特、冗余、协同三层之贡献。

别见曰：故——

信息层定因果，动力层定机制，非线性层定个体，时空层定变域，全息层定统摄。

以部分信息分解为骨，拆多源至目标之信息为独特、冗余、协同三层。

以参数化微分为血，定各强迫项之动力学贡献系数。

以SHAP值为肉，逐样本量化各因子之贡献。

以时空权重为脉，统摄前三层之结果于每一区域、每一季节、每一年代。

以全息构造观为魂，贯通四层如一。

信息→动力→非线性→时空→新信息→新动力→新非线性→新时空。

不以求尽为的，不以单一为足；不执信息，不执动力，不执非线性，不执时空。

以分层统摄为法，以全息贡献谱为果。

此多强迫因子贡献之时空信息动力分解框架，所以可传也。

研究之道，当以信息为骨，动力为血，非线性为肉，时空为脉，全息为魂，分层为法，统摄为的，螺旋为形。八者兼备，则多强迫因子贡献之定量评估可明，而人之观因子、悟协同、用归因，庶几可通而不执、分而不散、统而不混、归而不妄。

————————

传录曰：右十四则，论多强迫因子贡献之时空信息动力分解框架。以部分信息分解为骨，以动力学参数化为血，以可解释AI为肉，以时空权重为脉，以全息构造观为魂。信息→动力→非线性→时空→新信息→新动力→新非线性→新时空。则各因子之独特贡献、冗余贡献、协同贡献，可在时空变域中被分别量化之。

支持单位：