Kausalanalyse med rettede sykluser (do-kalkyle)
Kausal identifisering ved hjelp av rettede sykluser (DAG) er et rammeverk, utviklet av Judea Pearl (2009), som kodifiserer kausale antakelser som en rettet syklisk graf og bruker do-kalkylens regler for å avgjøre om og hvordan en kausal effekt kan identifiseres fra observasjonsdata. Det håndterer systematisk konfunderende variabler, instrumentvariabler og bakdørstier.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press. ISBN: 978-0521895606
- Pearl, J., Glymour, M., & Jewell, N. P. (2016). Causal Inference in Statistics: A Primer. Wiley. ISBN: 978-1119186847
Slik siterer du denne siden
ScholarGate. (2026, June 1). Causal Identification with Directed Acyclic Graphs (do-calculus). ScholarGate. https://scholargate.app/no/causal-inference/dag-identification
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.
- Instrumentelle variabler (IV) metode for kausal inferensHelseøkonomi↔ compare
- Inverse Probability of Treatment Weighting (IPW / IPTW)Kausal inferens↔ compare
- MedieringsanalyseStatistikk↔ compare
- Propensity Score MatchingForskningsstatistikk↔ compare
- Sensitivitetsanalyse for skjult skjevhet (Rosenbaum-grenser / E-verdi)Kausal inferens↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →