Regression model
DAG (Directed Acyclic Graph) による因果推論特定 (do-calculus)
DAG (Directed Acyclic Graph) による因果推論特定は、Judea Pearl (2009) によって開発された、因果的仮説をDAGとして符号化し、do-calculus の規則を用いて、観察データから因果効果を特定できるかどうか、またどのように特定できるかを決定する枠組みである。これは、交絡因子、操作変数、およびバックドアパスを体系的に扱う。
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。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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
このページの引用方法
ScholarGate. (2026, June 1). Causal Identification with Directed Acyclic Graphs (do-calculus). ScholarGate. https://scholargate.app/ja/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.
- 因果推論のための操作変数（IV）法医療経済学↔ compare
- 逆確率重み付け法 (IPW / IPTW)因果推論↔ compare
- 媒介分析統計学↔ compare
- 傾向スコアマッチング研究統計↔ compare
- 隠れたバイアスに対する感度分析（ローゼンバウム限界値 / E値）因果推論↔ compare