Regression modelQuasi-experimental / causal inference

Байесов анализ на чувствителността за причинно-следствена връзка

Бейсианският анализ на чувствителността за причинно-следствена връзка количествено определя колко силно би трябвало да повлияе не измерен конфаундър както на разпределението на лечението, така и на резултата, за да се обърне причинно-следственото заключение. Вместо да се тества единичен сценарий за най-лошия случай, той поставя предварителни разпределения върху силата на скритото объркване, разпространява несигурността чрез пълен бейсиански модел и докладва последващо разпределение за причинно-следствения ефект, което честно отразява какво е и какво не е идентифицирано от наблюдаваните данни.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

Източници

  1. McCandless, L. C., Gustafson, P., & Austin, P. C. (2007). Bayesian propensity score analysis for observational data. Statistics in Medicine, 26(8), 1704-1718. DOI: 10.1002/sim.3460
  2. Gustafson, P. (2015). Bayesian Inference for Partially Identified Models: Exploring the Limits of Limited Data. CRC Press / Chapman & Hall. ISBN: 9781439869390

Как да цитирате тази страница

ScholarGate. (2026, June 3). Bayesian Sensitivity Analysis for Unmeasured Confounding in Causal Inference. ScholarGate. https://scholargate.app/bg/causal-inference/bayesian-sensitivity-analysis-for-causality

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateBayesian Sensitivity Analysis for Causality (Bayesian Sensitivity Analysis for Unmeasured Confounding in Causal Inference). Извлечено на 2026-06-15 от https://scholargate.app/bg/causal-inference/bayesian-sensitivity-analysis-for-causality · Набор от данни: https://doi.org/10.5281/zenodo.20539026