潜变量：看不见的东西为什么还能进入模型？

潜变量不是“神秘地存在却无法证明的东西”，而是模型中没有被直接观测、却用来解释观测数据之间关系的变量。我们看到的是它留下的模式，再借助模型推断它。例如一个人的“语言能力”不能像身高那样直接量出来，但多项听说读写测试可能共同受到某种较稳定能力的影响，于是统计模型可以把这个未直接测量的结构表示为潜变量。

潜变量和隐藏事实并不完全相同。钥匙掉在沙发下面，只是暂时没看见；潜变量则首先是模型中的构造，它是否对应现实中的独立结构，还需要额外证据。它也不同于代理指标——单个考试分数可以作为能力的代理，而潜变量通常通过多个可观测变量及其关系来估计。

这个概念重要，是因为 AI、心理学和社会科学都经常从可见结果推断不可直接观察的结构。但推断得出一个潜变量，不等于发现了一个天然存在的实体。模型能很好预测观测数据，也不能自动证明它对隐藏结构的解释就是唯一正确的。