Bayesiansk kausal effektanalyse
Bayesiansk kausal effektanalyse anvender en Bayesiansk strukturel tidsserie-model (BSTS) til at estimere den kausale effekt af en intervention på en tidsserie-udfaldsvariabel. Metoden, der blev udviklet af Brodersen og kolleger hos Google i 2015, konstruerer en probabilistisk kontrafaktisk – hvad serien ville have set ud uden interventionen – baseret på data før interventionen og eventuelle kontrolkovariater. Derefter sammenlignes denne kontrafaktiske serie med de observerede værdier efter interventionen for at producere en fuldt Bayesiansk posterior-fordeling for den kausale effekt.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
- Scott, S. L., & Varian, H. R. (2014). Predicting the present with Bayesian structural time series. International Journal of Mathematical Modelling and Numerical Optimisation, 5(1-2), 4-23. DOI: 10.1504/IJMMNO.2014.059942 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Bayesian Causal Impact Analysis via Structural Time Series. ScholarGate. https://scholargate.app/da/causal-inference/bayesian-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.
- Analyse af kausal påvirkningKausal inferens↔ compare
- Difference-in-Differences (Diff-in-Diff)Økonometri↔ compare
- Afbrudt tidsserieanalyse (ITS)Kausal inferens↔ compare
- Syntetisk Kontrol Metode (SCM)Kausal inferens↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →