Gevoeligheidsanalyse voor verborgen bias (Rosenbaum-grenzen / E-waarde)
Gevoeligheidsanalyse voor verborgen bias is een reeks methoden die kwantificeren hoe sterk een ongemeten confounder zou moeten werken voordat deze een causale conclusie uit observationele gegevens zou kunnen weerleggen. Het werd geformaliseerd door Paul Rosenbaums gevoeligheidsgrenzen (2002) en uitgebreid door VanderWeele en Dings E-waarde (2017).
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
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Sensitivity Analysis for Hidden Bias in Observational Studies (Rosenbaum Bounds / E-value). ScholarGate. https://scholargate.app/nl/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.
- Frontdoor Adjustment (Frontdoor Criterion)Causale inferentie↔ compare
- Lokale Gemiddelde Behandelingsuitkomst (LATE / CACE)Causale inferentie↔ compare
- Placebo Tests voor Causale InferentieCausale inferentie↔ compare
- Propensity Score MatchingOnderzoeksstatistiek↔ compare
- Instrumentele Variabelen via Two-Stage Least Squares (IV/2SLS)Causale inferentie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →