Bayesian Causal Impact Analysis
Bayesian Causal Impact Analysis verwendet ein Bayes'sches strukturelles Zeitreihenmodell (Bayesian Structural Time Series, BSTS), um den kausalen Effekt einer Intervention auf eine Zeitreihen-Ergebnisvariable zu schätzen. Entwickelt von Brodersen und Kollegen bei Google im Jahr 2015, konstruiert es ein probabilistisches Kontrafaktum – wie die Zeitreihe ohne die Intervention ausgesehen hätte – basierend auf Daten vor der Intervention und optionalen Kontrollvariablen. Dieses wird dann mit den beobachteten Werten nach der Intervention verglichen, um eine vollständig Bayes'sche Posterior-Verteilung für den kausalen Effekt zu erzeugen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Causal Impact Analysis via Structural Time Series. ScholarGate. https://scholargate.app/de/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.
- Kausale AuswirkungsanalyseKausale Inferenz↔ compare
- Differenz-in-Differenzen (DiD)Ökonometrie↔ compare
- Analyse von unterbrochenen Zeitreihen (Interrupted Time Series, ITS)Kausale Inferenz↔ compare
- Synthetische Kontrollmethode (SCM)Kausale Inferenz↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →