So sánh phương pháp
Xem các phương pháp đã chọn cạnh nhau; những hàng khác biệt được làm nổi bật.
| Nhận dạng nhân quả với Đồ thị có hướng không chu trình (do-calculus)× | Phương pháp Sai phân kép (Difference-in-Differences - DiD)× | |
|---|---|---|
| Lĩnh vực≠ | Suy luận nhân quả | Kinh tế lượng |
| Họ | Regression model | Regression model |
| Năm ra đời≠ | 2009 | 1994 |
| Người khởi xướng≠ | Judea Pearl | Card & Krueger (canonical 1994 application); Angrist & Pischke (textbook treatment) |
| Loại≠ | Causal identification framework | Causal inference / panel regression |
| Công trình gốc≠ | Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press. ISBN: 978-0521895606 | Angrist, J. D., & Pischke, J.-S. (2009). Mostly Harmless Econometrics: An Empiricist's Companion. Princeton University Press. ISBN: 978-0691120355 |
| Tên gọi khác≠ | do-calculus, backdoor adjustment, Pearl causal identification, DAG ile Nedensel Tanımlama (do-calculus) | diff-in-diff, DiD, Farkların Farkı (Diff-in-Diff) |
| Liên quan | 5 | 5 |
| Tóm tắt≠ | DAG causal identification is a framework, developed by Judea Pearl (2009), that encodes causal assumptions as a directed acyclic graph and uses the do-calculus rules to determine whether and how a causal effect can be identified from observational data. It systematically handles confounders, instrumental variables, and backdoor paths. | Difference-in-Differences is a causal-inference method that estimates the effect of an intervention by comparing how a treatment group and a control group change over time. Made famous by Card and Krueger's 1994 minimum-wage study and developed in Angrist and Pischke's Mostly Harmless Econometrics, it isolates the treatment effect as the difference between the two groups' before-after changes. |
| ScholarGateBộ dữ liệu ↗ |
|
|