Using copulas to enable causal inference from nonexperimental data: Tutorial and simulation studies.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Causal inference in psychological research is typically hampered by unobserved confounding. A copula-based method can be used to statistically control for this problem without the need for instruments or covariates, given relatively lenient distributional assumptions on independent variables and error terms. The current study aims to: (a) provide a user-friendly introduction to the copula method for psychology researchers, and (b) examine the degree of non-normality in the independent variables required for satisfactory performance. A Monte Carlo simulation study was used to assess the behavior of the copula method under various combinations of conditions (sample size, skewness of independent variables, effect size, and magnitude of confounding). In addition, an applied example from research on the effects of parental rearing on adult personality and life satisfaction was used to illustrate the method. Simulations revealed that the copula method performed better at higher levels of skewness in the independent variables, and that the impacts of lower skewness can be offset to some extent by larger sample size. When skewness and/or sample size is too small, the copula method is biased toward the uncorrected model. In the applied example, parental rejection/punishment predicted less adaptive personality and life satisfaction, with no evidence of confounding. For parental control/overprotection, there was evidence that confounding attenuated the estimated relationship with personality/life satisfaction. Copula adjustment is a promising method for handling unobserved confounding. The discussion focuses on how to proceed when assumptions are not quite met, and outlines potential avenues for future research. (PsycInfo Database Record (c) 2023 APA, all rights reserved).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle