ScholarGate
Assistente
Regression modelQuasi-experimental / causal inference

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.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

The neighbourhood of related methods — select a node to explore.

Fonti

  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

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.

Compare side by side
ScholarGateBayesian Sensitivity Analysis for Causality (Bayesian Sensitivity Analysis for Unmeasured Confounding in Causal Inference). Consultato il 2026-06-15 da https://scholargate.app/it/causal-inference/bayesian-sensitivity-analysis-for-causality · Insieme di dati: https://doi.org/10.5281/zenodo.20539026