Kausalidentifitseerimine suunatud atsükliliste graafide abil (do-arvutus)
DAG-põhine kausaalidentifitseerimine on raamistik, mille töötas välja Judea Pearl (2009). See raamistik kodeerib kausaalsed eeltingimused suunatud atsüklilise graafina ja kasutab do-arvutuse reegleid, et määrata, kas ja kuidas saab vaadeldud andmetest kausaalset efekti identifitseerida. See käsitleb süstemaatiliselt segajaid, instrumentaalmuutujaid ja tagaukse teid.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press. ISBN: 978-0521895606
- Pearl, J., Glymour, M., & Jewell, N. P. (2016). Causal Inference in Statistics: A Primer. Wiley. ISBN: 978-1119186847
Kuidas sellele lehele viidata
ScholarGate. (2026, June 1). Causal Identification with Directed Acyclic Graphs (do-calculus). ScholarGate. https://scholargate.app/et/causal-inference/dag-identification
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.
- Instrumentaalmuutujate (IV) meetod kausaalse järelduse tegemiseksTerviseökonoomika↔ compare
- Pöörd-tõenäosuskaalutamine (IPW / IPTW)Põhjuslik järeldamine↔ compare
- MediatsioonianalüüsStatistika↔ compare
- Kalduvusskoori sobitamineUurimisstatistika↔ compare
- Tundmatu mõju tundlikkuse analüüs (Rosenbaumi piirid / E-väärtus)Põhjuslik järeldamine↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →