ScholarGate
Βοηθός
Regression modelQuasi-experimental / causal inference

Μπεϋζιανή Ανάλυση Ευαισθησίας για την Αιτιότητα

Η Μπεϋζιανή ανάλυση ευαισθησίας για την αιτιότητα ποσοτικοποιεί πόσο θα έπρεπε ένας μη μετρημένος συγχυτικός παράγοντας να επηρεάζει τόσο την ανάθεση της θεραπείας όσο και το αποτέλεσμα, ώστε να ανατρέψει ένα αιτιακό συμπέρασμα. Αντί να εξετάζει ένα μόνο σενάριο χειρότερης περίπτωσης, θέτει προγενέστερες κατανομές για την ισχύ της κρυφής σύγχυσης, διαδίδει την αβεβαιότητα μέσω ενός πλήρους Μπεϋζιανού μοντέλου και αναφέρει μια μεταγενέστερη κατανομή για το αιτιακό αποτέλεσμα που αντικατοπτρίζει ειλικρινά τι είναι και τι δεν είναι προσδιορισμένο από τα παρατηρούμενα δεδομένα.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. McCandless, L. C., Gustafson, P., & Austin, P. C. (2007). Bayesian propensity score analysis for observational data. Statistics in Medicine, 26(8), 1704-1718. DOI: 10.1002/sim.3460
  2. Gustafson, P. (2015). Bayesian Inference for Partially Identified Models: Exploring the Limits of Limited Data. CRC Press / Chapman & Hall. ISBN: 9781439869390

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Bayesian Sensitivity Analysis for Unmeasured Confounding in Causal Inference. ScholarGate. https://scholargate.app/el/causal-inference/bayesian-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.

Compare side by side
ScholarGateBayesian Sensitivity Analysis for Causality (Bayesian Sensitivity Analysis for Unmeasured Confounding in Causal Inference). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/causal-inference/bayesian-sensitivity-analysis-for-causality · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026