In order to draw causal conclusions from available data, it is crucial to reason about the underlying causal structure that governs the data-generating process. In this publication-based thesis, we tackle the challenge of rigorously accounting for uncertainty in this underlying causal structure in causal inference. We present a framework based on test inversions to construct calibrated confidence regions for total causal effects that capture both sources of uncertainty: causal structure and numerical size of nonzero effects.     «

In order to draw causal conclusions from available data, it is crucial to reason about the underlying causal structure that governs the data-generating process. In this publication-based thesis, we tackle the challenge of rigorously accounting for uncertainty in this underlying causal structure in causal inference. We present a framework based on test inversions to construct calibrated confidence regions for total causal effects that capture both sources of uncertainty: causal structure and nume...     »

Um kausale Schlussfolgerungen aus verfügbaren Daten zu ziehen, ist die zugrunde liegende kausale Struktur entscheidend. In dieser publikationsbasierten Dissertation widmen wir uns der Herausforderung, Unsicherheit in dieser kausalen Struktur bei kausaler Inferenz rigoros zu berücksichtigen. Wir präsentieren Ansatz, der auf Testinversionen basiert, um kalibrierte Konfidenzbereiche für totale kausale Effekte zu konstruieren, die beide Quellen verbleibender Unsicherheit erfassen: die kausale Struktur und die numerische Größe beteiligter Effekte.     «

Um kausale Schlussfolgerungen aus verfügbaren Daten zu ziehen, ist die zugrunde liegende kausale Struktur entscheidend. In dieser publikationsbasierten Dissertation widmen wir uns der Herausforderung, Unsicherheit in dieser kausalen Struktur bei kausaler Inferenz rigoros zu berücksichtigen. Wir präsentieren Ansatz, der auf Testinversionen basiert, um kalibrierte Konfidenzbereiche für totale kausale Effekte zu konstruieren, die beide Quellen verbleibender Unsicherheit erfassen: die kausale Struk...     »