Bayesiansk känslighetsanalys för kausalitet
Bayesiansk känslighetsanalys för kausalitet kvantifierar hur mycket en oobserverad störfaktor skulle behöva påverka både behandlingsfördelning och utfall för att kullkasta en kausal slutsats. Istället för att testa ett enda värsta-fall-scenario, placerar den priorfördelningar över styrkan av dold konfundering, propagerar osäkerhet genom en fullständig Bayesiansk modell och rapporterar en posteriorfördelning för den kausala effekten som ärligt återspeglar vad som identifieras och inte identifieras från observerade data.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian Sensitivity Analysis for Unmeasured Confounding in Causal Inference. ScholarGate. https://scholargate.app/sv/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.
- Bayesiansk differens-i-differensKausal inferens↔ compare
- Dubbelt robust skattning (AIPW)Kausal inferens↔ compare
- Instrumentvariabelmetoden (IV) för kausal inferensHälsoekonomi↔ compare
- Marginal Structural Model (MSM)Kausal inferens↔ compare
- Propensity score-matchningForskningsstatistik↔ compare
- Känslighetsanalys för kausalitetKausal inferens↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →