Følsomhedsanalyse af heterogene behandlingseffekter for kausalitet
Følsomhedsanalyse af heterogene behandlingseffekter undersøger, hvor robuste gruppespecifikke kausale estimater er over for uobserveret konfounding. I stedet for at teste en enkelt gennemsnitlig behandlingseffekt, spørger den, om den estimerede variation i behandlingseffekter på tværs af enheder eller undergrupper kunne forklares væk af skjult bias, og på hvilket niveau af skjult bias de kausale konklusioner for hver undergruppe ville bryde sammen.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Metodekort
Nabolaget af beslægtede metoder — vælg en knude for at udforske.
Kilder
- Rosenbaum, P. R. (2002). Observational Studies (2nd ed.). Springer. ISBN: 978-0387989679
- Crump, R. K., Hotz, V. J., Imbens, G. W., & Mitnik, O. A. (2008). Nonparametric tests for treatment effect heterogeneity. Review of Economics and Statistics, 90(3), 389-405. DOI: 10.1162/rest.90.3.389 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Sensitivity Analysis for Causality under Heterogeneous Treatment Effects. ScholarGate. https://scholargate.app/da/causal-inference/heterogeneous-treatment-effect-sensitivity-analysis-for-causality
Hvilken metode?
Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.
- Difference-in-Differences (Diff-in-Diff)Økonometri↔ sammenlign
- Dobbelt Robust Estimation (AIPW)Kausal inferens↔ sammenlign
- Heterogen Behandlingseffekt Difference-in-Differences (HTE-DiD)Kausal inferens↔ sammenlign
- Propensity Score MatchingForskningsstatistik↔ sammenlign
- Følsomhedsanalyse for kausalitetKausal inferens↔ sammenlign
Similar methods
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →