Analyse de sensibilité bayésienne pour la causalité
L'analyse de sensibilité bayésienne pour la causalité quantifie dans quelle mesure un facteur de confusion non mesuré devrait influencer à la fois l'assignation du traitement et le résultat pour renverser une conclusion causale. Plutôt que de tester un scénario du pire unique, elle place des distributions a priori sur la force du brouillage caché, propage l'incertitude à travers un modèle bayésien complet et rapporte une distribution a posteriori de l'effet causal qui reflète honnêtement ce qui est identifié et ce qui ne l'est pas à partir des données observées.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
- Gustafson, P. (2015). Bayesian Inference for Partially Identified Models: Exploring the Limits of Limited Data. CRC Press / Chapman & Hall. ISBN: 9781439869390
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Sensitivity Analysis for Unmeasured Confounding in Causal Inference. ScholarGate. https://scholargate.app/fr/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.
- Différences-en-différences bayésiennesInférence causale↔ compare
- Estimation doublement robuste (AIPW)Inférence causale↔ compare
- Méthode des variables instrumentales (VI) pour l'inférence causaleÉconomie de la santé↔ compare
- Modèle structurel marginal (MSM)Inférence causale↔ compare
- Appariement par score de propensionStatistiques de recherche↔ compare
- Analyse de sensibilité pour la causalitéInférence causale↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →