跳到主内容
Ctrl+K
DoWhy  documentation - Home

站点导航

  • 入门
  • 用户指南
  • 示例
  • 引用本软件包
  • 贡献
    • dowhy 软件包
    • 发布说明
发布版本
v0.9.1
v0.9
v0.8
v0.7.1
v0.7
v0.6
v0.5.1
v0.5
v0.4
v0.2
v0.11.1
v0.11
v0.10.1
v0.10
v0.1.1-alpha
分支
main

站点导航

  • 入门
  • 用户指南
  • 示例
  • 引用本软件包
  • 贡献
    • dowhy 软件包
    • 发布说明
发布版本
v0.9.1
v0.9
v0.8
v0.7.1
v0.7
v0.6
v0.5.1
v0.5
v0.4
v0.2
v0.11.1
v0.11
v0.10.1
v0.10
v0.1.1-alpha
分支
main

章节导航

  • 前言
  • DoWhy 简介
  • 建模因果关系
    • 使用领域知识指定因果图
    • 从数据中学习因果结构
    • 驳斥因果图
      • 执行独立性检验
      • 图驳斥
  • 建模图因果模型 (GCMs)
    • 图因果模型的类型
    • 从 GCM 生成样本
    • 评估 GCM
    • 自定义因果机制分配
    • 估计置信区间
  • 执行因果任务
    • 估计因果效应
      • 识别因果效应
        • 后门准则
        • 前门准则
        • 自然实验和工具变量
        • 用于发现新识别策略的 ID 算法
      • 使用后门估计平均因果效应
        • 基于回归的方法
        • 基于距离的匹配
        • 基于倾向的方法
        • Do-sampler
      • 使用自然实验估计平均因果效应
      • 估计条件平均因果效应
      • 使用 GCM 估计平均因果效应
    • 量化因果影响
      • 中介分析:估计自然直接和间接效应
      • 直接效应:量化箭头强度
      • 量化内在因果影响
    • 根本原因分析与解释
      • 异常归因
      • 归因分布变化
      • 特征相关性
    • 提出和回答假设问题
      • 模拟干预的影响
      • 计算反事实
    • 预测分布外输入的输出
  • 驳斥因果估计
    • 驳斥效应估计
      • 安慰剂处理驳斥器
      • 虚拟结果驳斥器
      • 随机共同原因驳斥器
      • 数据子样本驳斥器
      • 敏感性分析
        • 基于模拟的敏感性分析
        • 基于偏 R2 的线性估计器敏感性分析
        • 基于 Reisz 估计器的非线性估计器敏感性分析
  • 引用本软件包
  • 用户指南
  • 驳斥效应估计
  • 敏感性分析

敏感性分析#

敏感性分析测试的是,当我们向数据集中添加一个与处理和结果相关的额外共同原因(混杂因素)时,效应估计有多敏感?(提示:它不应该太敏感)

  • 基于模拟的敏感性分析
    • 自动推断效应强度参数
  • 基于偏 R2 的线性估计器敏感性分析
  • 基于 Reisz 估计器的非线性估计器敏感性分析

上一页

数据子样本驳斥器

下一页

基于模拟的敏感性分析

显示源文件

© 版权所有 2022, PyWhy 贡献者。

使用 Sphinx 7.1.2 创建。

使用 PyData Sphinx Theme 0.14.4 构建。