Bayesiaans Ex Post Facto Ontwerp — Bayesiaans Retrospectief Causaal Onderzoek
Bayesiaans ex post facto ontwerp onderzoekt mogelijke causale verbanden tussen variabelen die reeds hebben plaatsgevonden, zonder manipulatie van die variabelen door de onderzoeker, en kwantificeert de onzekerheid over die verbanden met behulp van Bayesiaanse statistische inferentie. De onderzoeker selecteert groepen die verschillen op een uitkomst of een veronderstelde oorzaak na afloop, en gebruikt vervolgens voorkennis en waargenomen gegevens samen — via de stelling van Bayes — om geloofwaardige effectgroottes, groepsverschillen of voorspellers te schatten.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- Kerlinger, F. N. (1973). Foundations of Behavioral Research (2nd ed.). Holt, Rinehart and Winston. link ↗
- Kruschke, J. K. (2015). Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan (2nd ed.). Academic Press. ISBN: 978-0124058880
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Ex Post Facto Research Design. ScholarGate. https://scholargate.app/nl/research-design/bayesian-ex-post-facto-design
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Bayesiaanse InferentieStatistiek↔ vergelijken
- Causale-vergelijkende researchOnderzoeksontwerp↔ vergelijken
- Ex Post Facto OntwerpOnderzoeksontwerp↔ vergelijken
- Propensity Score MatchingOnderzoeksstatistiek↔ vergelijken
- Retrospectieve cohortstudieEpidemiologie↔ vergelijken
Similar methods
Een fout op deze pagina gezien? Meld het of stel een correctie voor →