Bayesian causal inference: a critical review
Bayesian causal inference: a critical review
复制标题
贝叶斯因果推理：批判性评论
DOI：
10.1098/rsta.2022.0153
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
Mealli, Fabrizia
中科院分区：
文献类型：
--
作者：
Li, Fan;Ding, Peng;Mealli, Fabrizia
本文对基于潜在结果框架的贝叶斯因果推理观点进行了评述。本文综述了因果被估量、分配机制、因果效应贝叶斯推断的一般结构和灵敏度分析。我们强调的问题是独特的贝叶斯因果推理，包括倾向分数的作用，可识别性的定义，在低维和高维制度的先验的选择。我们指出协变量重叠的核心作用，更一般的贝叶斯因果推理的设计阶段。我们的讨论扩展到两个复杂的分配机制：工具变量和随时间变化的治疗。我们确定的优点和缺点的贝叶斯因果推理方法。本文是主题"贝叶斯推理：挑战、观点和前景“的一部分。
This paper provides a critical review of the Bayesian perspective of causal inference based on the potential outcomes framework. We review the causal estimands, assignment mechanism, the general structure of Bayesian inference of causal effects and sensitivity analysis. We highlight issues that are unique to Bayesian causal inference, including the role of the propensity score, the definition of identifiability, the choice of priors in both low- and high-dimensional regimes. We point out the central role of covariate overlap and more generally the design stage in Bayesian causal inference. We extend the discussion to two complex assignment mechanisms: instrumental variable and time-varying treatments. We identify the strengths and weaknesses of the Bayesian approach to causal inference. Throughout, we illustrate the key concepts via examples.This article is part of the theme issue ‘Bayesian inference: challenges, perspectives, and prospects’.
登录
查看更多内容
DOI：
10.1137/1.9781611970654
发表时间：
1987
期刊：
--
影响因子：
--
作者：
D. V. Lindley
通讯作者：
D. V. Lindley
因果机制的贝叶斯推断及其应用于术后疼痛控制随机研究
影响因子：
2.1
作者：
M. Baccini;Alessandra Mattei;F. Mealli
通讯作者：
F. Mealli
影响因子：
--
作者：
J. Burton
通讯作者：
J. Burton
部分识别模型的贝叶斯推理：探索有限数据的局限性
影响因子：
3.8
作者：
P. Gustafson
通讯作者：
P. Gustafson
潜在顺序可忽略性下顺序处理的贝叶斯推理
影响因子：
3.7
作者：
F. Ricciardi;Alessandra Mattei;F. Mealli
通讯作者：
F. Mealli