Identificarea cauzală cu grafuri aciclice direcționate (do-calculus)
Identificarea cauzală bazată pe grafuri aciclice direcționate (DAG) este un cadru, dezvoltat de Judea Pearl (2009), care codifică ipotezele cauzale sub forma unui graf aciclic direcționat și utilizează regulile do-calculus pentru a determina dacă și cum un efect cauzal poate fi identificat din date observaționale. Acesta gestionează sistematic factorii de confuzie, variabilele instrumentale și căile de tip backdoor.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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
Cum se citează această pagină
ScholarGate. (2026, June 1). Causal Identification with Directed Acyclic Graphs (do-calculus). ScholarGate. https://scholargate.app/ro/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.
- Metoda Variabilelor Instrumentale (IV) pentru Inferența CauzalăEconomia sănătății↔ compare
- Ponderarea prin probabilitatea inversă a tratamentului (IPW / IPTW)Inferență cauzală↔ compare
- Analiza de MediereStatistică↔ compare
- Potrivirea scorului de propensitateStatistică pentru cercetare↔ compare
- Analiza de Sensibilitate pentru Biasul Ascuns (Limitele Rosenbaum / E-value)Inferență cauzală↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →