Robust Causal Impact Analysis
Robust Causal Impact Analysis разширява байесовата структурна времева серия CausalImpact framework (Brodersen et al., 2015), като вгражда систематични проверки за робастност — плацебо тестове във времето, плацебо контроли в пространството, анализ на чувствителността на ковариатите и оценки на чувствителността на априорните разпределения — за да провери дали засеченият ефект от интервенцията е истински, а не артефакт от избора на модел или случайни закономерности в данните.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Brodersen, K. H., Gallusser, F., Koehler, J., Remy, N., & Scott, S. L. (2015). Inferring causal impact using Bayesian structural time-series models. Annals of Applied Statistics, 9(1), 247-274. DOI: 10.1214/14-AOAS788 ↗
- Cunningham, S. (2021). Causal Inference: The Mixtape. Yale University Press. ISBN: 978-0300251685
Как да цитирате тази страница
ScholarGate. (2026, June 3). Robust Causal Impact Analysis with Sensitivity and Placebo Checks. ScholarGate. https://scholargate.app/bg/causal-inference/robust-causal-impact-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Бейсънов анализ на причинно-следственото въздействиеПричинно-следствено заключение↔ compare
- Анализ на причинното въздействиеПричинно-следствено заключение↔ compare
- Анализ на прекъснати времеви редове (ITS)Причинно-следствено заключение↔ compare
- Анализ на чувствителността за причинно-следствена връзкаПричинно-следствено заключение↔ compare
- Синтетичен контролен метод (SCM)Причинно-следствено заключение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →