Regression modelQuasi-experimental / causal inference

Ανάλυση Ευαισθησίας για Αιτιότητα

Η ανάλυση ευαισθησίας για την αιτιότητα αξιολογεί πόσο ισχυρό είναι ένα αιτιακό συμπέρασμα έναντι μη παρατηρούμενων συγχυτικών παραγόντων. Αντί να υποθέτουμε ότι όλοι οι συγχυτικοί παράγοντες ελέγχονται, τίθεται το ερώτημα: πόσο ισχυρή θα έπρεπε να είναι μια μη μετρημένη μεταβλητή για να ανατρέψει την εκτιμώμενη επίδραση; Αποτελεί έναν απαραίτητο έλεγχο ισχύος μετά από οποιαδήποτε ψευδο-πειραματική ή παρατηρησιακή αιτιακή ανάλυση.

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.

+4 more

Πηγές

  1. Rosenbaum, P. R. (2002). Observational Studies (2nd ed.). Springer. ISBN: 978-0387989679
  2. 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

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Sensitivity Analysis for Hidden Bias in Causal Inference. ScholarGate. https://scholargate.app/el/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.

Compare side by side

Αναφέρεται από

ScholarGateSensitivity Analysis for Causality (Sensitivity Analysis for Hidden Bias in Causal Inference). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/causal-inference/sensitivity-analysis-for-causality · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026