ScholarGate
Asistent
Regression modelQuasi-experimental / causal inference

Analýza kauzálního dopadu rozšířená o strojové učení

Analýza kauzálního dopadu rozšířená o strojové učení kombinuje kvazi-experimentální kontrafaktuální uvažování s flexibilními predikčními modely strojového učení k odhadu kauzálního účinku intervence na časovou řadu výsledků. Vychází z rámce Bayesovských strukturálních časových řad (BSTS) Brodersena et al. a je rozšířena o metody dvojitého/debiased ML, přičemž konstruuje syntetický kontrafakt z dárcovských kovariát a odvozuje účinek léčby jako rozdíl mezi pozorovanými a predikovanými výsledky po intervenci.

Otevřít v MethodMindJiž brzyVideoJiž brzyStáhnout prezentaci

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Mapa metod

Okolí příbuzných metod — vyberte uzel, který chcete prozkoumat.

Zdroje

  1. 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
  2. Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, C., Newey, W., & Robins, J. (2018). Double/debiased machine learning for treatment and structural parameters. The Econometrics Journal, 21(1), C1-C68. DOI: 10.1111/ectj.12097

Jak citovat tuto stránku

ScholarGate. (2026, June 3). Machine Learning-Augmented Causal Impact Analysis. ScholarGate. https://scholargate.app/cs/causal-inference/machine-learning-augmented-causal-impact-analysis

Která metoda?

Postavte tuto metodu vedle jejích nejbližších příbuzných a čtěte je vedle sebe — knihovna položí knihy na stůl; volba je na vás.

Porovnat vedle sebe
ScholarGateMachine learning-augmented causal impact analysis (Machine Learning-Augmented Causal Impact Analysis). Získáno 2026-06-15 z https://scholargate.app/cs/causal-inference/machine-learning-augmented-causal-impact-analysis · Datová sada: https://doi.org/10.5281/zenodo.20539026