Gevoeligheidsanalyse voor causaliteit
Gevoeligheidsanalyse voor causaliteit beoordeelt hoe robuust een causale conclusie is voor ongeobserveerde confounding. In plaats van aan te nemen dat alle confounders gecontroleerd zijn, vraagt het: hoe sterk zou een ongemeten variabele moeten zijn om het geschatte effect om te keren? Het is een onmisbare robuustheidscontrole na elke quasi-experimentele of observationele causale analyse.
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.
+4 more
Bronnen
- Rosenbaum, P. R. (2002). Observational Studies (2nd ed.). Springer. ISBN: 978-0387989679
- Cinelli, C., & Hazlett, C. (2020). Making sense of sensitivity: Extending omitted variable bias. Journal of the Royal Statistical Society: Series B, 82(1), 39-67. DOI: 10.1111/rssb.12348 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Sensitivity Analysis for Hidden Bias in Causal Inference. ScholarGate. https://scholargate.app/nl/causal-inference/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.
- Difference-in-Differences (DiD)Econometrie↔ compare
- Dubbel Robuuste Schatting (AIPW)Causale inferentie↔ compare
- Instrumentele Variabelen (IV) Methode voor Causale InferentieGezondheidseconomie↔ compare
- Propensity Score MatchingOnderzoeksstatistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →