ScholarGate
עוזר
Regression modelQuasi-experimental / causal inference

ניתוח רגישות בייסיאני לסיבתיות

ניתוח רגישות בייסיאני לסיבתיות מכמת עד כמה משתנה מתערב (confounder) בלתי נמדד צריך להשפיע הן על הקצאת הטיפול והן על התוצאה כדי לבטל מסקנה סיבתית. במקום לבחון תרחיש יחיד של המקרה הגרוע ביותר, הוא מציב התפלגויות פריוריות על עוצמת ההתערבות הנסתרת, מפיץ אי-ודאות באמצעות מודל בייסיאני מלא, ומדווח על התפלגות פוסטריורית עבור האפקט הסיבתי המשקפת ביושר את מה שניתן לזהות ומה שלא ניתן לזהות מנתונים נצפים.

פתיחה ב-MethodMindבקרובוידאובקרובהורדת מצגת

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

מפת שיטות

סביבת השיטות הקרובות — בחרו צומת כדי לחקור.

מקורות

  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

איך לצטט עמוד זה

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

איזו שיטה?

הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.

השוואה זה לצד זה
ScholarGateBayesian Sensitivity Analysis for Causality (Bayesian Sensitivity Analysis for Unmeasured Confounding in Causal Inference). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/causal-inference/bayesian-sensitivity-analysis-for-causality · מערך נתונים: https://doi.org/10.5281/zenodo.20539026