숨은 변수가 얼마나 강해야 관찰 결과가 사라질까?
E-value는 관찰연구의 연관성을 설명해 없애려면 미측정 교란이 얼마나 강해야 하는지 비율척도로 묻습니다.
Sensitivity Analysis in Observational Research: Introducing the E-Value
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
E-value는 관찰연구의 연관성을 설명해 없애려면 미측정 교란이 얼마나 강해야 하는지 비율척도로 묻습니다.
Sensitivity Analysis in Observational Research: Introducing the E-Value
1,000명 규모 연구들은 편향 맹점이 자기·타인 비교 방식에 따라 달라짐을 보여 줍니다.
Bias in bias recognition: People view others but not themselves as biased by preexisting beliefs and social stigmas
인과 다이어그램은 통제해야 할 공통 원인과 통제하면 오히려 경로가 열리는 합류 변수를 구분하게 합니다.
Causal Diagrams for Epidemiologic Research
반대 가능성을 고려하게 한 고전 연구의 공개 초록을 소개합니다. 서로 다른 설명이 예측하는 관찰을 비교하는 활동으로 이어갑니다.
Considering the opposite: a corrective strategy for social judgment
지각 의사결정 연구는 초기 범주 믿음이 뒤따르는 감각 증거의 가중치를 바꾸는 확인편향 메커니즘을 모형과 실험으로 시험했습니다.
A confirmation bias in perceptual decision-making due to hierarchical approximate inference
71–75 / 97편