Идентификация причинности с помощью ориентированных ациклических графов (do-calculus)
Идентификация причинности с помощью ОАГ — это фреймворк, разработанный Джудой Перлом (2009), который кодирует причинные предположения в виде ориентированного ациклического графа и использует правила do-calculus для определения того, можно ли идентифицировать причинный эффект из наблюдаемых данных и как это сделать. Он систематически обрабатывает конфаундеры, инструментальные переменные и пути обратного захода.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 1). Causal Identification with Directed Acyclic Graphs (do-calculus). ScholarGate. https://scholargate.app/ru/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.
- Метод инструментальных переменных (ИП) для причинно-следственного выводаЭкономика здравоохранения↔ compare
- Взвешивание по обратной вероятности лечения (IPW / IPTW)Причинно-следственный вывод↔ compare
- Медиаторный анализСтатистика↔ compare
- Метод подбора на основе оценки склонностиСтатистика исследований↔ compare
- Анализ чувствительности к скрытой предвзятости (границы Розенбаума / E-значение)Причинно-следственный вывод↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →