Regression modelQuasi-experimental / causal inference

Байесовский анализ чувствительности для причинно-следственных связей

Байесовский анализ чувствительности для причинно-следственных связей количественно определяет, насколько неучтенный конфаундер должен влиять как на назначение лечения, так и на исход, чтобы опровергнуть причинно-следственный вывод. Вместо тестирования одного наихудшего сценария он устанавливает априорные распределения для силы скрытого смещения, распространяет неопределенность через полную байесовскую модель и сообщает о апостериорном распределении причинно-следственного эффекта, которое честно отражает то, что идентифицировано, а что нет, на основе наблюдаемых данных.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

Источники

  1. 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
  2. Gustafson, P. (2015). Bayesian Inference for Partially Identified Models: Exploring the Limits of Limited Data. CRC Press / Chapman & Hall. ISBN: 9781439869390

Как цитировать эту страницу

ScholarGate. (2026, June 3). Bayesian Sensitivity Analysis for Unmeasured Confounding in Causal Inference. ScholarGate. https://scholargate.app/ru/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.

Compare side by side
ScholarGateBayesian Sensitivity Analysis for Causality (Bayesian Sensitivity Analysis for Unmeasured Confounding in Causal Inference). Получено 2026-06-15 из https://scholargate.app/ru/causal-inference/bayesian-sensitivity-analysis-for-causality · Набор данных: https://doi.org/10.5281/zenodo.20539026