Ідентифікація причинності за допомогою спрямованих ациклічних графів (do-calculus)
Ідентифікація причинності за допомогою ДАГ — це фреймворк, розроблений Джудеєю Перлом (2009), який кодує причинні припущення як спрямований ациклічний граф і використовує правила do-calculus для визначення, чи можна ідентифікувати причинний ефект з спостережуваних даних та як саме. Він систематично розглядає конфаундери, інструментальні змінні та шляхи «задніх дверей».
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Causal Identification with Directed Acyclic Graphs (do-calculus). ScholarGate. https://scholargate.app/uk/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 інструментальних змінних (ІЗ) для причинно-наслідкового висновкуЕкономіка охорони здоров'я↔ compare
- Зважування за оберненою ймовірністю лікування (IPW / IPTW)Причинно-наслідковий висновок↔ compare
- Медіаційний аналізСтатистика↔ compare
- Зіставлення за показником схильностіСтатистика досліджень↔ compare
- Аналіз чутливості до прихованого зміщення (Межі Розенбаума / E-значення)Причинно-наслідковий висновок↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →