เปรียบเทียบวิธี

	การทดสอบแบบพลัสซีโบสำหรับการอนุมานเชิงสาเหตุ	ขั้นตอนวิธีค้นหาความเป็นเหตุเป็นผล (PC, FCI, LiNGAM)
สาขาวิชา	การอนุมานเชิงสาเหตุ	การอนุมานเชิงสาเหตุ
ตระกูล	Regression model	Regression model
ปีกำเนิด	2010	2000
ผู้ริเริ่ม	Abadie, Diamond & Hainmueller (synthetic control placebos); Imbens & Lemieux (RDD validity)	Spirtes, Glymour & Scheines (PC/FCI); Shimizu et al. (LiNGAM)
ประเภท	Falsification / robustness test family for causal inference	Causal structure learning
แหล่งต้นตำรับ	Abadie, A., Diamond, A., & Hainmueller, J. (2010). Synthetic Control Methods for Comparative Case Studies: Estimating the Effect of California's Tobacco Control Program. Journal of the American Statistical Association, 105(490), 493-505.	Spirtes, P., Glymour, C., & Scheines, R. (2000). Causation, Prediction, and Search (2nd ed.). MIT Press. ISBN: 978-0262194402
ชื่อเรียกอื่น	falsification tests, placebo checks, refutation tests, Plasebo Testleri — Nedensel Çıkarım Doğrulama	PC algorithm, FCI algorithm, LiNGAM, causal structure learning
ที่เกี่ยวข้อง	5	5
สรุป	Placebo tests are a family of falsification checks that probe the credibility of a causal claim by re-running the analysis on a fake treatment, a false intervention date, or an outcome that should not have been affected. The approach was popularised through the synthetic control work of Abadie, Diamond and Hainmueller (2010) and the regression-discontinuity validity checks of Imbens and Lemieux (2008).	Causal discovery is a family of algorithms that automatically learn a directed acyclic graph (DAG) describing causal structure directly from observational data. The constraint-based PC and FCI algorithms were developed by Spirtes, Glymour and Scheines (2000), while the LiNGAM model of Shimizu et al. (2006) exploits linear non-Gaussian structure to orient edges.