Уважаемые коллеги, доброго времени суток! Представляем вам немецкое научное издание Journal of Causal Inference. Журнал имеет второй квартиль, издаётся в Walter de Gruyter GmbH, находится в открытом доступе, его SJR за 2021 г. равен 0,975, импакт-фактор 1,867, печатный ISSN - 2193-3677, электронный - 2193-3685, предметные области - Статистика и теория вероятности, Статистика, вероятность и неопределенность. Вот так выглядит обложка:
Здесь несколько редакторов - Косуки Имаи, контактные данные - Imai@ Harvard.Edu,
Джуда Перл - judea@cs.ucla.edu,
Майя Петерсен - mayaliv@berkeley.edu
и Марк ван дер Лаан - laan@stat.berkeley.edu.
К публикации принимаются статьи по теоретическим и прикладным каузальным исследованиям по целому ряду академических дисциплин, использующих количественные инструменты для изучения причинности. За последние два десятилетия причинно-следственный вывод превратился в единую область с прочной теоретической основой, полезную во многих эмпирических науках и науках о поведении. Journal of Causal Inference стремится обеспечить общую площадку для исследователей, работающих над причинно-следственными выводами в биостатистике и эпидемиологии, экономике, политологии и государственной политике, когнитивной науке и формальной логике, а также в любой области, которая стремится понять причинность. Журнал служит форумом для этого растущего сообщества для разработки общего языка и изучения общих черт и сильных сторон методов причинно-следственного анализа в различных дисциплинах.
Адрес издания - https://www.degruyter.com/journal/key/jci/html#overview
Пример статьи, название - Simple yet sharp sensitivity analysis for unmeasured confounding. Заголовок (Abstract) - We present a method for assessing the sensitivity of the true causal effect to unmeasured confounding. The method requires the analyst to set two intuitive parameters. Otherwise, the method is assumption free. The method returns an interval that contains the true causal effect and whose bounds are arbitrarily sharp, i.e., practically attainable. We show experimentally that our bounds can be tighter than those obtained by the method of Ding and VanderWeele, which, moreover, requires to set one more parameter than our method. Finally, we extend our method to bound the natural direct and indirect effects when there are measured mediators and unmeasured exposure–outcome confounding. Keywords: sensitivity analysis; confounding; bounds; observational data
