Bayesiaanse Gevoeligheidsanalyse voor Causaliteit
Bayesiaanse gevoeligheidsanalyse voor causaliteit kwantificeert hoeveel een ongemeten confounder zowel de toewijzing van de behandeling als de uitkomst zou moeten beïnvloeden om een causale conclusie om te keren. In plaats van een enkel worst-case scenario te testen, plaatst het prior-verdelingen over de sterkte van verborgen confounding, propageert het onzekerheid door een volledig Bayesiaans model, en rapporteert het een posterior-verdeling voor het causale effect die eerlijk weergeeft wat wel en niet geïdentificeerd is uit waargenomen gegevens.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Sensitivity Analysis for Unmeasured Confounding in Causal Inference. ScholarGate. https://scholargate.app/nl/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.
- Bayesiaanse Verschil-in-VerschillenCausale inferentie↔ compare
- Dubbel Robuuste Schatting (AIPW)Causale inferentie↔ compare
- Instrumentele Variabelen (IV) Methode voor Causale InferentieGezondheidseconomie↔ compare
- Marginaal Structureel Model (MSM)Causale inferentie↔ compare
- Propensity Score MatchingOnderzoeksstatistiek↔ compare
- Gevoeligheidsanalyse voor causaliteitCausale inferentie↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →