Bayes-érzékenységvizsgálat az okszaliság szempontjából
A Bayes-érzékenységvizsgálat az okszaliság szempontjából kvantifikálja, hogy egy mértlen konfúzor (ismeretlen zavaró tényező) mennyire befolyásolná mind a kezeléskiosztást, mind az eredményt ahhoz, hogy felborítsa az okszalis következtetést. Egyetlen legrosszabb eshetőség tesztelése helyett az ismeretlen konfúzió erősségére vonatkozóan prior eloszlásokat helyez, a bizonytalanságot egy teljes Bayes-modellben terjeszti, és az okszalis hatásra vonatkozóan egy posterior eloszlást jelent, amely őszintén tükrözi, hogy mi azonosítható és mi nem a megfigyelt adatokból.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Bayesian Sensitivity Analysis for Unmeasured Confounding in Causal Inference. ScholarGate. https://scholargate.app/hu/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.
- Bayes-i Különbség-a-KülönbségekbenOksági következtetés↔ compare
- Kettősen robusztus becslés (AIPW)Oksági következtetés↔ compare
- Instrumentális Változók (IV) Módszer Kauzális Infláció BecsléséreEgészség-gazdaságtan↔ compare
- Marginal Structural Model (MSM)Oksági következtetés↔ compare
- Tárgyhajlamossági pontszám illesztésKutatási statisztika↔ compare
- Érzékenységvizsgálat az okozatiságraOksági következtetés↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →