Regression model
因果推断中的安慰剂检验
安慰剂检验是一系列证伪性检查，通过在虚假处理、错误干预日期或本不应受影响的结果上重新运行分析来探究因果声明的可信度。该方法通过 Abadie, Diamond 和 Hainmueller (2010) 的合成控制研究以及 Imbens 和 Lemieux (2008) 的回归不连续性有效性检查而广为流传。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- Abadie, A., Diamond, A., & Hainmueller, J. (2010). Synthetic Control Methods for Comparative Case Studies: Estimating the Effect of California's Tobacco Control Program. Journal of the American Statistical Association, 105(490), 493-505. DOI: 10.1198/jasa.2009.ap08746 ↗
- Imbens, G. W., & Lemieux, T. (2008). Regression Discontinuity Designs: A Guide to Practice. Journal of Econometrics, 142(2), 615-635. DOI: 10.1016/j.jeconom.2007.05.001 ↗
如何引用本页
ScholarGate. (2026, June 1). Placebo Tests for Causal Inference Validation. ScholarGate. https://scholargate.app/zh/causal-inference/placebo-tests-causal
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
- 因果发现算法 (PC, FCI, LiNGAM)因果推断↔ 比较
- 因果识别（使用do演算）因果推断↔ 比较
- 断点差分设计因果推断↔ 比较
- 回归断点设计 (Regression Discontinuity Design, RDD)因果推断↔ 比较
- 对隐藏偏差的敏感性分析（Rosenbaum 界 / E 值）因果推断↔ 比较