Beijesiskā jutīguma analīze cēloniskumam
Beijesiskā jutīguma analīze cēloniskumam kvantificē, cik lielai jābūt nenoskaidrotas jaucošās mainīgās ietekmei gan uz ārstēšanas piešķiršanu, gan uz iznākumu, lai atspēkotu cēlonisko secinājumu. Tā vietā, lai testētu vienu sliktākā gadījuma scenāriju, tā piešķir iepriekšējas sadalījumus slēptās jaucošās ietekmes stiprumam, izplatot nenoteiktību caur pilnu Beijesa modeli un ziņojot par cēloniskā efekta aizmugurējo sadalījumu, kas godīgi atspoguļo to, kas ir un kas nav identificēts no novērotajiem datiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Sensitivity Analysis for Unmeasured Confounding in Causal Inference. ScholarGate. https://scholargate.app/lv/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.
- Beijesa atšķirību atšķirību metodeCēloņsakarību secināšana↔ compare
- Divkārši robusta novērtēšana (AIPW)Cēloņsakarību secināšana↔ compare
- Instrumentālo mainīgo (IV) metode cēloņsakarību noteikšanaiVeselības ekonomika↔ compare
- Marginal Structural Model (MSM)Cēloņsakarību secināšana↔ compare
- Propensity Score MatchingPētniecības statistika↔ compare
- Kauzalitātes jutīguma analīzeCēloņsakarību secināšana↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →