Sensitivitätsanalyse für Kausalität
Die Sensitivitätsanalyse für Kausalität bewertet, wie robust eine kausale Schlussfolgerung gegenüber unbeobachteter Störgrößen ist. Anstatt davon auszugehen, dass alle Störgrößen kontrolliert werden, wird gefragt: Wie stark müsste eine nicht gemessene Variable sein, um den geschätzten Effekt aufzuheben? Sie ist eine unverzichtbare Robustheitsprüfung nach jeder quasi-experimentellen oder beobachtenden Kausalitätsanalyse.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Quellen
- Rosenbaum, P. R. (2002). Observational Studies (2nd ed.). Springer. ISBN: 978-0387989679
- Cinelli, C., & Hazlett, C. (2020). Making sense of sensitivity: Extending omitted variable bias. Journal of the Royal Statistical Society: Series B, 82(1), 39-67. DOI: 10.1111/rssb.12348 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Sensitivity Analysis for Hidden Bias in Causal Inference. ScholarGate. https://scholargate.app/de/causal-inference/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.
- Differenz-in-Differenzen (DiD)Ökonometrie↔ compare
- Doubly Robust Estimation (AIPW)Kausale Inferenz↔ compare
- Instrumentalvariablen-Methode (IV) zur KausalinferenzGesundheitsökonomie↔ compare
- Propensity Score MatchingForschungsstatistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →