The Rubin causal model (RCM), also known as the Neyman–Rubin causal model, is an approach to the statistical analysis of cause and effect based on the framework of potential outcomes, named after Donald Rubin. The name "Rubin causal model" was first coined by . The potential outcomes framework was first proposed by Jerzy Neyman in his 1923 Master's thesis, though he discussed it only in the context of completely randomized experiments. Rubin extended it into a general framework for thinking about causation in both observational and experimental studies.
| Attributes | Values |
|---|
| rdf:type
| |
| rdfs:label
| - Modelo causal de Rubin (es)
- Modèle causal de Neyman-Rubin (fr)
- ルービン因果モデル (ja)
- Rubin causal model (en)
- 潜在结果模型 (zh)
|
| rdfs:comment
| - El modelo causal de Rubin (RCM, por sus siglas en inglés) también conocido como modelo causal de Neyman-Rubin es un acercamiento al análisis estadístico de la causa y el efecto en el marco de salidas potenciales (contrafactuales). Debe su nombre a . Originalmente el nombre "modelo causal de Rubin" fue puesto por un compañero de estudio de Rubin, Paul W. Holland. El marco de salidas potenciales fue primeramente propuesto por Jerzy Neyman en su tesis de Maestría de 1923, sin embargo en ese trabajo la propuesta era para el contexto de experimentos puramente azarosos. Rubin, junto con otros estadísticos expandieron el modelo a un marco mucho más potente de manera de poder incluir causalidad en los casos de estudios observacionales y cuasiexperimentales. (es)
- Le modèle causal de Neyman-Rubin (ou modèle à résultats potentiels, en anglais potential outcome model) est un cadre de pensée permettant d'identifier statistiquement l'effet causal d'une variable sur une autre. La première version du modèle a été proposée par Jerzy Neyman en 1923 dans son mémoire de maîtrise. Le modèle a ensuite été généralisé par Donald Rubin dans un article intitulé « ». Le nom du modèle a été donné par Paul Holland dans un article de 1986 intitulé « ». (fr)
- The Rubin causal model (RCM), also known as the Neyman–Rubin causal model, is an approach to the statistical analysis of cause and effect based on the framework of potential outcomes, named after Donald Rubin. The name "Rubin causal model" was first coined by . The potential outcomes framework was first proposed by Jerzy Neyman in his 1923 Master's thesis, though he discussed it only in the context of completely randomized experiments. Rubin extended it into a general framework for thinking about causation in both observational and experimental studies. (en)
- ルービン因果モデル（ルービンいんがモデル、Rubin causal model、RCM）は、ネイマン-ルービン因果モデルとしても知られ 、ドナルド・ルービンにちなんで名付けられた、潜在アウトカムのフレームワークに基づく原因と結果の統計分析へのアプローチである。 「ルービンの因果モデル」という名前は、 Paul W.Hollandによって最初に造られた 。潜在的な結果のフレームワークは、1923年の修士論文でイェジ・ネイマンによって最初に提案されたが 、完全にランダム化された実験の文脈でしか議論されなかった 。ルービンはそれを観察研究と実験研究の両方で因果関係について考えるための一般的な枠組みに拡張した 。 (ja)
- 由统计学家Donald Rubin在20世纪70年代所发表的一系列论文（Rubin,1974, 1977, 1978, 1980）而引申出的一种统计模型。该模型的意义在于统计意义上的因果推断。Counterfactual model的核心在于从理论上定义了因果效应（causal effects）。Paul Holland在1986年的论文Statistics and Causal中指出，Rubin模型和前人经验最大的不同在于他把重点放在估计和测量原因的影響而非追溯某个效应的原因。（measuring the effects of causes, rather than the causes of effects） Rubin把因果效应定义如下： 代表了第u个单位的效应变化。t表示treatment condition, c表示control condition。这个公式提供了为因果推断的理论模型。但是同时在现实中无法被直接观察到。Rubin举过一个很有名的例子：一个人头疼，于是他吃阿司匹林，然后头不疼了。究竟是不是因为阿司匹林治好他的头疼呢？我们不能知道，因为这个人的状态永远无法被回复到吃阿司匹林之前的样子了。所以我们也无法计算出counterfactual effect。这就是所谓在因果推断中的根本性难题。 (zh)
|
| rdfs:seeAlso
| |
| dcterms:subject
| |
| Wikipage page ID
| |
| Wikipage revision ID
| |
| Link from a Wikipage to another Wikipage
| |
| Link from a Wikipage to an external page
| |
| sameAs
| |
| dbp:wikiPageUsesTemplate
| |
| has abstract
| - El modelo causal de Rubin (RCM, por sus siglas en inglés) también conocido como modelo causal de Neyman-Rubin es un acercamiento al análisis estadístico de la causa y el efecto en el marco de salidas potenciales (contrafactuales). Debe su nombre a . Originalmente el nombre "modelo causal de Rubin" fue puesto por un compañero de estudio de Rubin, Paul W. Holland. El marco de salidas potenciales fue primeramente propuesto por Jerzy Neyman en su tesis de Maestría de 1923, sin embargo en ese trabajo la propuesta era para el contexto de experimentos puramente azarosos. Rubin, junto con otros estadísticos expandieron el modelo a un marco mucho más potente de manera de poder incluir causalidad en los casos de estudios observacionales y cuasiexperimentales. (es)
- Le modèle causal de Neyman-Rubin (ou modèle à résultats potentiels, en anglais potential outcome model) est un cadre de pensée permettant d'identifier statistiquement l'effet causal d'une variable sur une autre. La première version du modèle a été proposée par Jerzy Neyman en 1923 dans son mémoire de maîtrise. Le modèle a ensuite été généralisé par Donald Rubin dans un article intitulé « ». Le nom du modèle a été donné par Paul Holland dans un article de 1986 intitulé « ». (fr)
- The Rubin causal model (RCM), also known as the Neyman–Rubin causal model, is an approach to the statistical analysis of cause and effect based on the framework of potential outcomes, named after Donald Rubin. The name "Rubin causal model" was first coined by . The potential outcomes framework was first proposed by Jerzy Neyman in his 1923 Master's thesis, though he discussed it only in the context of completely randomized experiments. Rubin extended it into a general framework for thinking about causation in both observational and experimental studies. (en)
- ルービン因果モデル（ルービンいんがモデル、Rubin causal model、RCM）は、ネイマン-ルービン因果モデルとしても知られ 、ドナルド・ルービンにちなんで名付けられた、潜在アウトカムのフレームワークに基づく原因と結果の統計分析へのアプローチである。 「ルービンの因果モデル」という名前は、 Paul W.Hollandによって最初に造られた 。潜在的な結果のフレームワークは、1923年の修士論文でイェジ・ネイマンによって最初に提案されたが 、完全にランダム化された実験の文脈でしか議論されなかった 。ルービンはそれを観察研究と実験研究の両方で因果関係について考えるための一般的な枠組みに拡張した 。 (ja)
- 由统计学家Donald Rubin在20世纪70年代所发表的一系列论文（Rubin,1974, 1977, 1978, 1980）而引申出的一种统计模型。该模型的意义在于统计意义上的因果推断。Counterfactual model的核心在于从理论上定义了因果效应（causal effects）。Paul Holland在1986年的论文Statistics and Causal中指出，Rubin模型和前人经验最大的不同在于他把重点放在估计和测量原因的影響而非追溯某个效应的原因。（measuring the effects of causes, rather than the causes of effects） Rubin把因果效应定义如下： 代表了第u个单位的效应变化。t表示treatment condition, c表示control condition。这个公式提供了为因果推断的理论模型。但是同时在现实中无法被直接观察到。Rubin举过一个很有名的例子：一个人头疼，于是他吃阿司匹林，然后头不疼了。究竟是不是因为阿司匹林治好他的头疼呢？我们不能知道，因为这个人的状态永远无法被回复到吃阿司匹林之前的样子了。所以我们也无法计算出counterfactual effect。这就是所谓在因果推断中的根本性难题。 (zh)
|
| gold:hypernym
| |
| prov:wasDerivedFrom
| |
| page length (characters) of wiki page
| |
| foaf:isPrimaryTopicOf
| |
| is Link from a Wikipage to another Wikipage
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)