Analisi di sensibilità per la causalità
L'analisi di sensibilità per la causalità valuta quanto sia robusta una conclusione causale rispetto a fattori confondenti non osservati. Invece di presumere che tutti i fattori confondenti siano controllati, si chiede: quanto dovrebbe essere forte una variabile non misurata per sovvertire l'effetto stimato? È un controllo di robustezza indispensabile dopo qualsiasi analisi causale quasi-sperimentale o osservazionale.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Mappa dei metodi
Il vicinato dei metodi correlati — seleziona un nodo per esplorare.
+4 altri
Fonti
- Rosenbaum, P. R. (2002). Observational Studies (2nd ed.). Springer. ISBN: 978-0387989679
- Cinelli, C., & Hazlett, C. (2020). Making sense of sensitivity: Extending omitted variable bias. Journal of the Royal Statistical Society: Series B, 82(1), 39-67. DOI: 10.1111/rssb.12348 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Sensitivity Analysis for Hidden Bias in Causal Inference. ScholarGate. https://scholargate.app/it/causal-inference/sensitivity-analysis-for-causality
Quale metodo?
Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.
- Difference-in-Differences (Diff-in-Diff)Econometria↔ confronta
- Stima a Doppia Robustezza (AIPW)Inferenza causale↔ confronta
- Metodo delle Variabili Strumentali (IV) per l'Inferenza CausaleEconomia sanitaria↔ confronta
- Abbinamento del punteggio di propensioneStatistica per la ricerca↔ confronta
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →