Identifikasi Kausal dengan Graf Berarah Asiklik (do-calculus)
Identifikasi kausal DAG adalah sebuah kerangka kerja, yang dikembangkan oleh Judea Pearl (2009), yang mengkodekan asumsi kausal sebagai graf berarah asiklik dan menggunakan aturan do-calculus untuk menentukan apakah dan bagaimana efek kausal dapat diidentifikasi dari data observasional. Kerangka ini secara sistematis menangani perancu (confounders), variabel instrumental, dan jalur pintu belakang (backdoor paths).
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara menyitasi halaman ini
ScholarGate. (2026, June 1). Causal Identification with Directed Acyclic Graphs (do-calculus). ScholarGate. https://scholargate.app/id/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.
- Metode Variabel Instrumental (IV) untuk Inferensi KausalEkonomi Kesehatan↔ compare
- Bobot Probabilitas Invers (IPW / IPTW)Inferensi Kausal↔ compare
- Analisis MediasiStatistika↔ compare
- Pencocokan Skor PropensitasStatistika Penelitian↔ compare
- Analisis Sensitivitas untuk Bias Tersembunyi (Batas Rosenbaum / Nilai-E)Inferensi Kausal↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →