看到两个现象一起变化，我们常想追问：到底谁影响谁？以往不少因果发现方法——仅凭观测数据和额外假设推断方向——会直接给出一个答案，却很少说明答案有多稳。Prakash、Xia 和 Erosheva 提出一套双变量检验框架，把这种“硬判方向”改成带不确定性的统计判断。
方法最关键的一步，是分别检查两个方向。研究者先假设 X 导致 Y，再用拟合优度检验查看模型是否贴合数据，并用独立性检验确认“原因”和剩余噪声是否互不牵连；随后反过来检验 Y 是否导致 X。两项互相分开的检验会产生四种结果：只支持一个方向、只支持反方向、两个方向都说得通，或两个方向都不成立。后两种结果尤其有用：它们不会强行选边，还能提示现有假设可能不足或已经被数据违背。作者还用重采样——反复从样本中抽取数据重做分析——估计四类结果出现的频率。
需要澄清的是，论文中的“functional”指用函数关系刻画变量，而不是把整条曲线当作一个观测对象；因此现有材料并不支持它已处理成对曲线或时间序列。其价值更准确地说，是为双变量函数型因果模型补上检验、诊断和不确定性表达。