La identificació causal amb grafs acíclics dirigits (do-càlcul)
La identificació causal mitjançant grafs acíclics dirigits (DAG) és un marc, desenvolupat per Judea Pearl (2009), que codifica les hipòtesis causals com un graf acíclic dirigit i utilitza les regles del do-càlcul per determinar si i com un efecte causal es pot identificar a partir de dades observacionals. Gestiona sistemàticament confònders, variables instrumentals i camins de porta posterior (backdoor paths).
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press. ISBN: 978-0521895606
- Pearl, J., Glymour, M., & Jewell, N. P. (2016). Causal Inference in Statistics: A Primer. Wiley. ISBN: 978-1119186847
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Causal Identification with Directed Acyclic Graphs (do-calculus). ScholarGate. https://scholargate.app/ca/causal-inference/dag-identification
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.
- Mètode de Variables Instrumentals (IV) per a la Inferència CausalEconomia de la salut↔ compare
- Pes pesat per la probabilitat inversa (IPW / IPTW)Inferència causal↔ compare
- Anàlisi de mediacióEstadística↔ compare
- Emparellament per puntuació de propensióEstadística per a la recerca↔ compare
- Anàlisi de sensibilitat per a biaix ocult (Límits de Rosenbaum / E-value)Inferència causal↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →