Bayesian Sensitivity Analysis for Causality

Die bayesianische Sensitivitätsanalyse für Kausalität quantifiziert, wie stark ein nicht gemessener Störfaktor sowohl die Behandlungsauswahl als auch das Ergebnis beeinflussen müsste, um eine kausale Schlussfolgerung zu widerlegen. Anstatt eines einzelnen Worst-Case-Szenarios werden hierbei Prior-Verteilungen über die Stärke verborgener Störfaktoren gelegt, Unsicherheiten durch ein vollständiges bayesianisches Modell propagiert und eine Posterior-Verteilung für den kausalen Effekt berichtet, die ehrlich widerspiegelt, was aus beobachteten Daten identifiziert wird und was nicht.