เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การทดสอบเพลเซโบสำหรับข้อมูลแบบพาเนล× | การวิเคราะห์ความไวต่อเหตุปัจจัยเชิงสาเหตุ× | |
|---|---|---|
| สาขาวิชา | การอนุมานเชิงสาเหตุ | การอนุมานเชิงสาเหตุ |
| ตระกูล | Regression model | Regression model |
| ปีกำเนิด≠ | 2004-2010 | 1983–2002 |
| ผู้ริเริ่ม≠ | Bertrand, Duflo & Mullainathan; Abadie, Diamond & Hainmueller | Paul R. Rosenbaum (hidden-bias framework); extended by Cinelli & Hazlett (omitted-variable approach) |
| ประเภท≠ | Falsification / validation test | Diagnostic / robustness check |
| แหล่งต้นตำรับ≠ | Bertrand, M., Duflo, E., & Mullainathan, S. (2004). How Much Should We Trust Differences-in-Differences Estimates? Quarterly Journal of Economics, 119(1), 249-275. DOI ↗ | Rosenbaum, P. R. (2002). Observational Studies (2nd ed.). Springer. ISBN: 978-0387989679 |
| ชื่อเรียกอื่น | placebo regression test, falsification test, pseudo-treatment test, in-time placebo | sensitivity analysis, hidden-bias sensitivity analysis, Rosenbaum sensitivity analysis, omitted-variable sensitivity |
| ที่เกี่ยวข้อง | 4 | 4 |
| สรุป≠ | A panel data placebo test is a falsification procedure used to assess the credibility of causal estimates in quasi-experimental panel designs. By applying the same estimation strategy to a period, group, or outcome where no true effect should exist, researchers verify that the observed treatment effect is not merely an artifact of model specification, coincidental trends, or data patterns unrelated to the intervention. | Sensitivity analysis for causality assesses how robust a causal conclusion is to unobserved confounding. Rather than assuming all confounders are controlled, it asks: how strong would an unmeasured variable need to be to overturn the estimated effect? It is an indispensable robustness check after any quasi-experimental or observational causal analysis. |
| ScholarGateชุดข้อมูล ↗ |
|
|