Kausaalinen identifiointi suunnatuilla syklittömillä graafeilla (do-calculus)
DAG-kausaalinen identifiointi on kehys, jonka Judea Pearl (2009) kehitti. Se mallintaa kausaalioletukset suunnattuna syklittömänä graafina ja käyttää do-calculus-sääntöjä määrittääkseen, voidaanko kausaalinen vaikutus tunnistaa havainnointidatasta ja miten. Se käsittelee systemaattisesti sekoittavia tekijöitä, instrumentaalimuuttujia ja takaporttipolkuja.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Causal Identification with Directed Acyclic Graphs (do-calculus). ScholarGate. https://scholargate.app/fi/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.
- Instrumentaalimuuttujamenetelmä (IV) kausaalisen päättelyn menetelmänäTerveystaloustiede↔ compare
- Käänteisen todennäköisyyden painotus (IPW / IPTW)Kausaalipäättely↔ compare
- Välillinen analyysiTilastotiede↔ compare
- Propensity Score MatchingTutkimuksen tilastomenetelmät↔ compare
- Herkän piilovaikutuksen herkkyysanalyysi (Rosenbaum Bounds / E-arvo)Kausaalipäättely↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →