Følsomhedsanalyse for skjult bias (Rosenbaum Bounds / E-værdi)
Følsomhedsanalyse for skjult bias er en familie af metoder, der kvantificerer, hvor stærkt en umålt confounder (forstyrrende variabel) skal operere, før den kan omstøde en kausal konklusion trukket fra observationsdata. Den blev krystalliseret af Paul Rosenbaums følsomhedsgrænser (2002) og udvidet af VanderWeele og Dings E-værdi (2017).
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Rosenbaum, P. R. (2002). Observational Studies (2nd ed.). Springer. ISBN: 978-0387989679
- VanderWeele, T. J. & Ding, P. (2017). Sensitivity Analysis in Observational Research: Introducing the E-Value. Annals of Internal Medicine, 167(4), 268-274. DOI: 10.7326/M16-2607 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Sensitivity Analysis for Hidden Bias in Observational Studies (Rosenbaum Bounds / E-value). ScholarGate. https://scholargate.app/da/causal-inference/sensitivity-analysis-observational
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.
- Frontdoor Adjustment (Frontdoor Criterion)Kausal inferens↔ compare
- Lokal gennemsnitlig behandlingseffekt (LATE / CACE)Kausal inferens↔ compare
- Placebo-tests for kausal inferensKausal inferens↔ compare
- Propensity Score MatchingForskningsstatistik↔ compare
- Instrumentalvariable via totrins mindste kvadraters metode (IV/2SLS)Kausal inferens↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →