Nhận dạng nhân quả với Đồ thị có hướng không chu trình (do-calculus)
Nhận dạng nhân quả bằng DAG là một khuôn khổ, được phát triển bởi Judea Pearl (2009), mã hóa các giả định nhân quả dưới dạng một đồ thị có hướng không chu trình và sử dụng các quy tắc của do-calculus để xác định liệu và làm thế nào một hiệu ứng nhân quả có thể được nhận dạng từ dữ liệu quan sát. Nó xử lý một cách có hệ thống các yếu tố gây nhiễu, biến công cụ và các đường dẫn backdoor.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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
Cách trích dẫn trang này
ScholarGate. (2026, June 1). Causal Identification with Directed Acyclic Graphs (do-calculus). ScholarGate. https://scholargate.app/vi/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.
- Phương pháp Biến Công cụ (IV) cho Suy luận Nhân quảKinh tế học y tế↔ compare
- Trọng số Xác suất Nghịch đảo của Điều trị (IPW / IPTW)Suy luận nhân quả↔ compare
- Phân tích trung gianThống kê↔ compare
- Ghép cặp điểm xu hướngThống kê nghiên cứu↔ compare
- Phân tích độ nhạy đối với thiên vị ẩn (Giới hạn Rosenbaum / Giá trị E)Suy luận nhân quả↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →