পদ্ধতির তুলনা করুন
নির্বাচিত পদ্ধতিগুলো পাশাপাশি পর্যালোচনা করুন; যে সারিগুলোয় পার্থক্য আছে সেগুলো চিহ্নিত করা হয়।
| কার্যকারণ আবিষ্কার অ্যালগরিদম (PC, FCI, LiNGAM)× | প্রোপেনসিটি স্কোর ম্যাচিং (Propensity Score Matching)× | |
|---|---|---|
| ক্ষেত্র≠ | কার্যকারণ অনুমান | গবেষণা পরিসংখ্যান |
| পরিবার≠ | Regression model | Process / pipeline |
| উদ্ভবের বছর≠ | 2000 | 1983 |
| প্রবর্তক≠ | Spirtes, Glymour & Scheines (PC/FCI); Shimizu et al. (LiNGAM) | Paul Rosenbaum and Donald Rubin |
| ধরন≠ | Causal structure learning | Method |
| মৌলিক উৎস≠ | Spirtes, P., Glymour, C., & Scheines, R. (2000). Causation, Prediction, and Search (2nd ed.). MIT Press. ISBN: 978-0262194402 | Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41–55. DOI ↗ |
| অপর নাম≠ | PC algorithm, FCI algorithm, LiNGAM, causal structure learning | PSM, propensity score weighting, covariate balance |
| সম্পর্কিত≠ | 5 | 3 |
| সারসংক্ষেপ≠ | Causal discovery is a family of algorithms that automatically learn a directed acyclic graph (DAG) describing causal structure directly from observational data. The constraint-based PC and FCI algorithms were developed by Spirtes, Glymour and Scheines (2000), while the LiNGAM model of Shimizu et al. (2006) exploits linear non-Gaussian structure to orient edges. | Propensity score matching (PSM) is a method for reducing confounding bias in observational studies by balancing baseline characteristics between treatment groups, simulating randomization. Developed by Rosenbaum and Rubin (1983), it estimates the probability of receiving treatment given observed covariates, then matches or weights treated and control individuals with similar treatment probabilities. Widely used in medicine, epidemiology, and policy evaluation when randomized trials are infeasible or unethical, enabling estimation of treatment effects while controlling for selection bias. |
| ScholarGateডেটাসেট ↗ |
|
|