The Idea: Why Non-Gaussianity Reveals Causal Direction | A Minimal Workflow | Estimate | Visualize | Intervene: Total Causal Effects | Check the Assumptions | Quantify Stability | Where to Go Next

Decision Guide | Method Overview | When LiNGAM Cannot Be Used | A Checklist to Verify in Advance

基本的な考え方：なぜ非ガウス性から因果の方向がわかるのか | 最小限のワークフロー | 推定 | 可視化 | 介入の効果：総因果効果 | 仮定の確認 | 安定性の定量化 | 次に読むべきもの

手法選択の決定ガイド | 手法一覧 | LiNGAMが使えない場合 | 事前に確認すべきチェックリスト

1. クイックスタート | 2. アルゴリズムの概要 | 3. API リファレンス | 3.1 chaid(formula, data, weights, freq, method, control) | 3.2 chaid_control() — 全パラメータ | 3.3 S3 メソッド | 4. 応用機能 | 4.1 標準 CHAID と Exhaustive CHAID の比較 | 機構の違い | 実例1: Titanic — Exhaustive が細かい構造を見つける | 実例2: penguins — Exhaustive が簡潔な構造を選ぶ | なぜ結果が変わるのか — Bonferroni 乗数 B の構造差 | 計算コストの実測 | Exhaustive の副作用: 高カーディナリティ変数への偏り | 使い分け指針 | 4.2 連続目的変数（回帰木） | 非線形（U字型）関係の1階層検出 | 4.3 重み | 4.4 欠損値（Floating カテゴリ） | 4.5 予測変数間の多重比較補正（adjust_across） | 4.6 一般的な二分木（CART / rpart）との比較 | 4.7 レポーティング機能（テーブル・ルール・重要度・ゲイン・検証） | 4.8 誤分類コスト行列（costs） | 4.9 順序型目的変数（Goodman row effects model） | 5. 可視化 | 5.1 組み込み plot()（base graphics、依存なし） | 5.2 partykit 連携 | 5.3 ggparty（ggplot2 系の描画） | 回帰木の場合: 積み上げ棒ではなく箱ひげ図 | 5.4 Graphviz（DiagrammeR、出版品質） | 5.5 Plotly（インタラクティブ） | 6. 制限事項と注意点 | 参考文献

Quick start | The algorithm in brief | Exhaustive CHAID | Reporting | Visualization | Further reading | References