因果推断方法可以用于在观察数据上发现因果关系。在因果结构含混淆因子的数据上进行因果推断时，可能会受混淆因子的影响而得到错误的因果关系。针对上述问题，提出了一种基于混淆因子隐压缩表示（CHCR）模型的因果推断方法。首先，根据CHCR模型，构造含有对原因变量进行压缩表示的中间隐变量的备选模型；其次，利用贝叶斯信息准则（BIC）计算备选模型评分并选出得分最高的最佳模型；最后，根据最佳模型中的压缩情况判断变量间真正的因果关系。理论分析表明，所提出的方法能够识别经典的基于约束的方法所无法正确分辨的、带有混淆因子的因果结构，且在样本量较小等情况下，BIC评分也可以提高所提方法的表现。实验结果表明，在样本数变化时，所提出的方法在准确率指标上相较于极快因果推断算法（RFCI）等经典方法有显著提升，并适用于各种变量可能取值数不同的情况；在混合不同类型的因果结构时，该方法在准确率指标上高于最大最小爬山算法（MMHC）等经典方法；且该方法能够在Abalone数据集上得到正确的因果关系。