Analisis Sensitiviti untuk Bias Tersembunyi (Rosenbaum Bounds / E-value)
Analisis sensitiviti untuk bias tersembunyi ialah sekumpulan kaedah yang mengukur sejauh mana kuatnya suatu pengganggu yang tidak terukur perlu beroperasi sebelum ia dapat membatalkan kesimpulan kausal yang diperoleh daripada data pemerhatian. Ia diperkukuh oleh had sensitiviti Paul Rosenbaum (2002) dan diperluas oleh E-value VanderWeele dan Ding (2017).
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
- Rosenbaum, P. R. (2002). Observational Studies (2nd ed.). Springer. ISBN: 978-0387989679
- VanderWeele, T. J. & Ding, P. (2017). Sensitivity Analysis in Observational Research: Introducing the E-Value. Annals of Internal Medicine, 167(4), 268-274. DOI: 10.7326/M16-2607 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 1). Sensitivity Analysis for Hidden Bias in Observational Studies (Rosenbaum Bounds / E-value). ScholarGate. https://scholargate.app/ms/causal-inference/sensitivity-analysis-observational
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.
- Penyesuaian Pintu Depan (Kriteria Pintu Depan)Inferens Kausal↔ compare
- Kesan Rawatan Purata Tempatan (Local Average Treatment Effect - LATE / CACE)Inferens Kausal↔ compare
- Ujian Plasebo untuk Inferensi KausalInferens Kausal↔ compare
- Padanan Skor KecenderunganStatistik Penyelidikan↔ compare
- Pemboleh Ubah Instrumental melalui Kuasa Dua Terkecil Dua Peringkat (IV/2SLS)Inferens Kausal↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →