Analisis Sensitiviti Bayesian untuk Kausaliti
Analisis sensitiviti Bayesian untuk kausaliti mengukur sejauh mana pemboleh ubah pengeliruan yang tidak terukur perlu mempengaruhi kedua-dua penugasan rawatan dan hasil untuk membatalkan kesimpulan sebab akibat. Daripada menguji satu senario kes terburuk, ia meletakkan taburan prior ke atas kekuatan pengeliruan tersembunyi, menyebarkan ketidakpastian melalui model Bayesian penuh, dan melaporkan taburan posterior untuk kesan sebab akibat yang secara jujur mencerminkan apa yang dikenal pasti dan apa yang tidak daripada data yang diperhatikan.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara memetik halaman ini
ScholarGate. (2026, June 3). Bayesian Sensitivity Analysis for Unmeasured Confounding in Causal Inference. ScholarGate. https://scholargate.app/ms/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.
- Perbezaan-dalam-Perbezaan BayesianInferens Kausal↔ compare
- Anggaran Keboleh-Teguhan Berganda (AIPW)Inferens Kausal↔ compare
- Kaedah Pemboleh Ubah Instrumental (IV) untuk Inferensi KausalEkonomi Kesihatan↔ compare
- Model Struktur Marginal (MSM)Inferens Kausal↔ compare
- Padanan Skor KecenderunganStatistik Penyelidikan↔ compare
- Analisis Sensitiviti untuk KausalitiInferens Kausal↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →