So sánh phương pháp
Xem các phương pháp đã chọn cạnh nhau; những hàng khác biệt được làm nổi bật.
| Phân tích độ nhạy đối với thiên vị ẩn (Giới hạn Rosenbaum / Giá trị E)× | Điều chỉnh cửa trước (Tiêu chuẩn cửa trước)× | |
|---|---|---|
| Lĩnh vực | Suy luận nhân quả | Suy luận nhân quả |
| Họ | Regression model | Regression model |
| Năm ra đời≠ | 2002 | 1995 |
| Người khởi xướng≠ | Paul R. Rosenbaum (bounds); Tyler J. VanderWeele & Peng Ding (E-value) | Judea Pearl |
| Loại≠ | Sensitivity analysis for causal inference | Causal identification (graphical adjustment) |
| Công trình gốc≠ | Rosenbaum, P. R. (2002). Observational Studies (2nd ed.). Springer. ISBN: 978-0387989679 | Pearl, J. (1995). Causal Diagrams for Empirical Research. Biometrika, 82(4), 669-688. DOI ↗ |
| Tên gọi khác≠ | Rosenbaum bounds, E-value, hidden bias sensitivity analysis, unmeasured confounding sensitivity | frontdoor criterion, Pearl's frontdoor adjustment, frontdoor formula, Ön Kapı Düzenlemesi (Frontdoor Adjustment) |
| Liên quan≠ | 5 | 4 |
| Tóm tắt≠ | Sensitivity analysis for hidden bias is a family of methods that quantify how strongly an unmeasured confounder would have to operate before it could overturn a causal conclusion drawn from observational data. It was crystallised by Paul Rosenbaum's sensitivity bounds (2002) and extended by VanderWeele and Ding's E-value (2017). | Frontdoor adjustment is Judea Pearl's graphical identification strategy, introduced in 1995, that recovers the causal effect of a treatment on an outcome through a fully mediating variable even when an unobserved confounder sits between the treatment and the outcome. It is the go-to tool when the backdoor criterion cannot be satisfied because the confounder is unmeasured. |
| ScholarGateBộ dữ liệu ↗ |
|
|