Regression modelQuasi-experimental / causal inference
因果推論のためのベイズ的感度分析
因果推論のためのベイズ的感度分析は、観測されていない交絡因子が、処置割り当てとアウトカムの両方にどの程度影響を与えれば、因果関係の結論を覆すことができるかを定量化する。単一の最悪ケースシナリオをテストするのではなく、隠れた交絡の強さに対する事前分布を設定し、完全なベイズモデルを通じて不確実性を伝播させ、観測データから特定できることとできないことを正直に反映した因果効果の事後分布を報告する。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- 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
このページの引用方法
ScholarGate. (2026, June 3). Bayesian Sensitivity Analysis for Unmeasured Confounding in Causal Inference. ScholarGate. https://scholargate.app/ja/causal-inference/bayesian-sensitivity-analysis-for-causality
どの手法を選ぶ?
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- ベイジアン差分の差 (Bayesian Difference-in-Differences)因果推論↔ 比較
- 二重に頑健な推定量(AIPW)因果推論↔ 比較
- 因果推論のための操作変数(IV)法医療経済学↔ 比較
- Marginal Structural Model (MSM)因果推論↔ 比較
- 傾向スコアマッチング研究統計↔ 比較
- 因果推論における感度分析因果推論↔ 比較