İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklarUygulamalarSSS🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›Nedensel çıkarım›Ön Kapı Ayarlaması (Frontdoor Criterion)
Regression model

Ön Kapı Ayarlaması (Frontdoor Criterion)

Frontdoor Adjustment (Frontdoor Criterion) · Ayrıca şöyle bilinir: frontdoor criterion, Pearl's frontdoor adjustment, frontdoor formula, Ön Kapı Düzenlemesi (Frontdoor Adjustment)

Ön kapı ayarlaması, Judea Pearl'in 1995'te tanıttığı, tedavi ile sonuç arasındaki tam aracılı bir değişken aracılığıyla nedensel etkiyi kurtaran grafiksel tanımlama stratejisidir; bu, ölçülmeyen bir karıştırıcının tedavi ile sonuç arasında oturduğu durumlarda bile geçerlidir. Arka kapı kriterinin sağlanamadığı durumlarda başvurulan araçtır çünkü karıştırıcı ölçülmemiştir.

ScholarGate
  1. Regression model
  2. v1
  3. 2 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

Ön Kapı Ayarlaması (Frontdoor Criterion)
Nedensellik Keşfi Algori…Yönlendirilmiş Döngüsüz…Regresyon Kesintili Tasa…İnstrumantal Değişkenler…Heterojen Tedavi Etkiler…Yerel Ortalama Tedavi Et…Gizli Yanlılık İçin Duya…

Ne zaman kullanılır

Tedavi ile sonuç arasında gözlemlenmeyen bir karıştırıcı olduğundan şüphelenildiğinde, arka kapı kriterinin ulaşılamadığı durumlarda, ancak tedavinin etkisini tam olarak aracılık eden bir değişkeni tanımlayabildiğinizde, ön kapı ayarlamasını gözlemsel verilerle kullanın. Gerekli koşullar katıdır: tedavi-aracı yolunda gözlemlenmeyen karıştırıcı olmamalıdır, aracı-sonuç yolu tedavi karıştırıcılığından arınmış olmalıdır (tedavi üzerinden arka kapı ile kapatılmış), tüm tedavi etkisi aracı üzerinden seyahat etmelidir (tam aracılık) ve ön kapı kriteri güvenilir bir DAG üzerinde doğrulanmalıdır. İki aşamalı tahminin kararlı olması için yaklaşık 100 gözlemden oluşan bir örneklem önerilir.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Arka kapı kriterinin başarısız olduğu, tedavi-sonuç karıştırıcısının gözlemlenmediği durumlarda bile nedensel etkiyi tanımlar.
  • Test edilemeyen bir göz ardı edilebilirlik varsayımı yerine açık, kontrol edilebilir bir grafiksel kritere dayanır.
  • Tahmin edilmesi ve yorumlanması kolay, iki karıştırıcıdan arınmış regresyonlara ayrıştırır.
Sınırlılıklar
  • Tüm tedavi etkisini taşıyan gerçek bir tam aracı gerektirir - güçlü ve genellikle gerçekçi olmayan bir yapısal gereklilik.
  • Herhangi bir gözlemlenmeyen karıştırıcı tedavi-aracı yoluna dokunursa veya aracı-sonuç ilişkisini karıştırırsa geçersizdir.
  • İki aşamalı tahmin küçük örneklemlerde (n < 100) kararsız hale gelir.

SSS

Ön kapı ayarlaması arka kapı ayarlamasından nasıl farklıdır?

Arka kapı ayarlaması, tedavi ve sonuçların gözlemlenen ortak nedenlerine koşullanarak karıştırmayı engeller. Ön kapı ayarlaması, bu karıştırıcıların gözlemlenmediği durumlarda kullanılır: karıştırıcıya koşullanmak yerine, etkiyi tam olarak aracılık eden bir değişken aracılığıyla tanımlar, bu nedenle arka kapı kriterinin karşılanamadığı durumlarda tam olarak çalışır.

Tam aracılık varsayımı ne gerektirir?

Tedavinin sonuca olan tüm nedensel etkisinin, doğrudan tedavi-sonuç yolunu atlayarak aracının içinden geçtiğini gerektirir. Etkinin bir kısmı aracının etrafından sızarsa, ön kapı formülü artık gerçek etkiyi tanımlamaz.

Ne kadar büyük bir örneğe ihtiyacım var?

Yaklaşık 100 gözlem önerilir. Bunun altında, ön kapı formülünün temelini oluşturan iki aşamalı tahmin kararsız hale gelir ve bir DAG tanımlama kontrolü veya farklı bir tanımlama stratejisi daha güvenlidir.

Varsayımlar başarısız olursa ne olur?

Tam aracılık haklı çıkarılamazsa, ön kapı kriteri geçersizdir ve bir arka kapı stratejisi veya iki aşamalı en küçük kareler gibi araç değişkenleri yaklaşımını düşünmelisiniz. Her zaman önce güvenilir bir nedensel diyagram üzerinde kriteri doğrulayın.

Kaynaklar

  1. Pearl, J. (1995). Causal Diagrams for Empirical Research. Biometrika, 82(4), 669-688. DOI: 10.1093/biomet/82.4.669 ↗
  2. Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press. ISBN: 978-0521895606

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 1). Frontdoor Adjustment (Frontdoor Criterion). ScholarGate. https://scholargate.app/tr/causal-inference/frontdoor-adjustment

İlişkili yöntemler

Nedensellik Keşfi Algoritmaları (PC, FCI, LiNGAM)Yönlendirilmiş Döngüsüz Graf (DAG) ile Nedensel Tanımlama (do-calculus)Regresyon Kesintili Tasarımı (RDD)İnstrumantal Değişkenler - İki Aşamalı En Küçük Kareler (IV/2SLS)

Hangi yöntem?

Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.

  • Nedensellik Keşfi Algoritmaları (PC, FCI, LiNGAM)Nedensel çıkarım↔ karşılaştır
  • Yönlendirilmiş Döngüsüz Graf (DAG) ile Nedensel Tanımlama (do-calculus)Nedensel çıkarım↔ karşılaştır
  • Regresyon Kesintili Tasarımı (RDD)Nedensel çıkarım↔ karşılaştır
  • İnstrumantal Değişkenler - İki Aşamalı En Küçük Kareler (IV/2SLS)Nedensel çıkarım↔ karşılaştır
Yan yana karşılaştır →

Bu yönteme atıf yapanlar

Heterojen Tedavi Etkileri (CATE / Meta-Öğreniciler)Yerel Ortalama Tedavi Etkisi (LATE / CACE)Gizli Yanlılık İçin Duyarlılık Analizi (Rosenbaum Sınırları / E-değeri)

Benzer yöntemler

Yönlendirilmiş Döngüsüz Graf (DAG) ile Nedensel Tanımlama (do-calculus)Nedensel Aracılık Analizi (Doğal Doğrudan ve Dolaylı Etkiler)Nedensellik Keşfi Algoritmaları (PC, FCI, LiNGAM)FCI AlgoritmasıGizli Yanlılık İçin Duyarlılık Analizi (Rosenbaum Sınırları / E-değeri)Aracılık Analizi

İlgili referans kavramlar

Yönlendirilmiş Asiklik GrafikNedensel TanımlamaKarıştırıcı Etki (Confounding)Nedensel ÇıkarımKarşıolgusal Akıl YürütmeDuyarlılık Analizi

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — Frontdoor Adjustment (Frontdoor Adjustment (Frontdoor Criterion)). 2026-07-21 tarihinde şu adresten erişildi: https://scholargate.app/tr/causal-inference/frontdoor-adjustment · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
Judea Pearl
Year
1995
Type
Causal identification (graphical adjustment)
Estimator
Two-stage regression over a full mediator
Outcome
continuous or binary
MinSample
100
İlişkili yöntemler
Nedensellik Keşfi Algoritmaları (PC, FCI, LiNGAM)Yönlendirilmiş Döngüsüz Graf (DAG) ile Nedensel Tanımlama (do-calculus)Regresyon Kesintili Tasarımı (RDD)İnstrumantal Değişkenler - İki Aşamalı En Küçük Kareler (IV/2SLS)
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil