Regression modelQuasi-experimental / causal inference

Bayesovská analýza citlivosti pro kauzalitu

Bayesovská analýza citlivosti pro kauzalitu kvantifikuje, jak moc by nepozorovaný matoucí faktor musel ovlivňovat jak přiřazení léčby, tak výsledek, aby zvrátil kauzální závěr. Místo testování jediného nejhoršího scénáře umisťuje předchozí distribuce nad sílu skrytého matení, propaguje nejistotu prostřednictvím plného Bayesovského modelu a vykazuje posteriorní distribuci pro kauzální efekt, která poctivě odráží to, co je a co není identifikováno z pozorovaných dat.

Otevřít v MethodMindJiž brzyVideoJiž brzyDownload slides

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Method map

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

Zdroje

  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

Jak citovat tuto stránku

ScholarGate. (2026, June 3). Bayesian Sensitivity Analysis for Unmeasured Confounding in Causal Inference. ScholarGate. https://scholargate.app/cs/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). Získáno 2026-06-15 z https://scholargate.app/cs/causal-inference/bayesian-sensitivity-analysis-for-causality · Datová sada: https://doi.org/10.5281/zenodo.20539026