Bayesiansk Ex Post Facto Design — Bayesiansk Retrospektiv Kausal Forskning
Bayesiansk ex post facto design undersøger mulige kausale sammenhænge mellem variabler, der allerede har fundet sted, uden at forskeren manipulerer disse variabler, og kvantificerer usikkerheden omkring disse sammenhænge ved hjælp af Bayesiansk statistisk inferens. Forskeren udvælger grupper, der adskiller sig med hensyn til et udfald eller en formodet årsag efterfølgende, og bruger derefter forudgående viden og observerede data sammen – via Bayes' sætning – til at estimere troværdige effektstørrelser, gruppedifferencer eller prædiktorer.
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
- Kerlinger, F. N. (1973). Foundations of Behavioral Research (2nd ed.). Holt, Rinehart and Winston. link ↗
- Kruschke, J. K. (2015). Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan (2nd ed.). Academic Press. ISBN: 978-0124058880
Sådan citerer du denne side
ScholarGate. (2026, June 3). Bayesian Ex Post Facto Research Design. ScholarGate. https://scholargate.app/da/research-design/bayesian-ex-post-facto-design
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.
- Bayesiansk inferensStatistik↔ sammenlign
- Kausal-komparativ forskningForskningsdesign↔ sammenlign
- Ex Post Facto DesignForskningsdesign↔ sammenlign
- Propensity Score MatchingForskningsstatistik↔ sammenlign
- Retrospektiv kohortestudieEpidemiologi↔ sammenlign
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →