Om gruppen
Kausal inferens er den formelle prosessen å trekke konklusjoner fra data om effekten av behandlinger eller andre typer intervensjoner. Målet er å estimere behandlingseffekter som har en klar fortolkning, og å unngå bias som følge av spuriøse effekter. Dette involverer å presist formulere effektmål, å etablere betingelser for å identifisere slike effekter, og til slutt, estimering.
Feltet kausal inferens har i løpet av de siste tiårene vokst til å bli et stort og aktivt felt innen statistikk. Ulike nye metoder har blitt utviklet, og målet for vår gruppe er å bidra til denne metodeutviklingen. Vi fokuserer spesielt på metoder for kausal inferens innen levetids- og forløpsanalyse, som typisk kompliseres av sensurerte data og det faktum at behandlinger, utfall og andre nøkkelvariable, er prosesser som endrer seg over tid. Noen eksempler er marginal strukturmodeller, modeller i kontinuerlig tid, medieringsanalyse, metoder for konkurrerende hendelser og multi-state-utfall, etc.