Regression model
对隐藏偏差的敏感性分析（Rosenbaum 界 / E 值）
对隐藏偏差的敏感性分析是一类方法，用于量化未测量混淆因素在多大程度上必须起作用才能推翻从观察性数据中得出的因果结论。该方法由 Paul Rosenbaum 的敏感性界限（2002 年）提出，并由 VanderWeele 和 Ding 的 E 值（2017 年）加以扩展。
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
- Rosenbaum, P. R. (2002). Observational Studies (2nd ed.). Springer. ISBN: 978-0387989679
- VanderWeele, T. J. & Ding, P. (2017). Sensitivity Analysis in Observational Research: Introducing the E-Value. Annals of Internal Medicine, 167(4), 268-274. DOI: 10.7326/M16-2607 ↗
如何引用本页
ScholarGate. (2026, June 1). Sensitivity Analysis for Hidden Bias in Observational Studies (Rosenbaum Bounds / E-value). ScholarGate. https://scholargate.app/zh/causal-inference/sensitivity-analysis-observational
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。
- 前门调整（前门准则）因果推断↔ 比较
- 局部平均处理效应（LATE / CACE）因果推断↔ 比较
- 因果推断中的安慰剂检验因果推断↔ 比较
- 倾向得分匹配研究统计学↔ 比较
- 工具变量法/两阶段最小二乘法 (IV/2SLS)因果推断↔ 比较