Analisi di Sensibilità Bayesiana per la Causalità
L'analisi di sensibilità bayesiana per la causalità quantifica quanto un confondente non misurato dovrebbe influenzare sia l'assegnazione del trattamento che l'esito per sovvertire una conclusione causale. Piuttosto che testare un singolo scenario peggiore, essa pone distribuzioni a priori sulla forza del confondimento nascosto, propaga l'incertezza attraverso un modello bayesiano completo e riporta una distribuzione a posteriori per l'effetto causale che riflette onestamente ciò che è e non è identificato dai dati osservati.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian Sensitivity Analysis for Unmeasured Confounding in Causal Inference. ScholarGate. https://scholargate.app/it/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.
- Bayesian Difference-in-DifferencesInferenza causale↔ compare
- Stima a Doppia Robustezza (AIPW)Inferenza causale↔ compare
- Metodo delle Variabili Strumentali (IV) per l'Inferenza CausaleEconomia sanitaria↔ compare
- Modello Strutturale Marginale (MSM)Inferenza causale↔ compare
- Abbinamento del punteggio di propensioneStatistica per la ricerca↔ compare
- Analisi di sensibilità per la causalitàInferenza causale↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →