Bayesowska analiza wrażliwości dla przyczynowości
Bayesowska analiza wrażliwości dla przyczynowości kwantyfikuje, jak bardzo niemierzony czynnik zakłócający musiałby wpływać zarówno na przypisanie leczenia, jak i na wynik, aby obalić wniosek przyczynowy. Zamiast testować pojedynczy scenariusz najgorszego przypadku, umieszcza ona rozkłady a priori na sile ukrytego zakłócenia, propaguje niepewność poprzez pełny model bayesowski i przedstawia rozkład a posteriori dla efektu przyczynowego, który uczciwie odzwierciedla to, co jest i nie jest identyfikowalne na podstawie obserwowanych danych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Sensitivity Analysis for Unmeasured Confounding in Causal Inference. ScholarGate. https://scholargate.app/pl/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.
- Bayesowska metoda różnic w różnicachWnioskowanie przyczynowe↔ compare
- Estymacja podwójnie odporna (AIPW)Wnioskowanie przyczynowe↔ compare
- Metoda zmiennych instrumentalnych (IV) do wnioskowania przyczynowegoEkonomika zdrowia↔ compare
- Model strukturalny brzegowy (MSM)Wnioskowanie przyczynowe↔ compare
- Dopasowanie wyników skłonnościStatystyka w badaniach↔ compare
- Analiza wrażliwości dla przyczynowościWnioskowanie przyczynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →