Multi-period Causal Impact Analysis
Multi-period Causal Impact Analysis erweitert das Bayes'sche strukturelle Zeitreihen-Framework von Brodersen et al. (2015) auf Szenarien, in denen eine Intervention über mehrere Zeiträume stattfindet, zu unterschiedlichen Zeiten auf verschiedene Einheiten angewendet wird oder Forscher kumulative und periodenspezifische Effekte innerhalb eines einzigen, einheitlichen Modells bewerten möchten. Es konstruiert einen synthetischen kontrafaktischen Verlauf aus Kontrollkovariaten und projiziert diesen über jedes Interventionsfenster, um kausale Effekte zu quantifizieren.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Methodenkarte
Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.
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 ↗
- Bojinov, I., & Shephard, N. (2019). Time series experiments and causal estimands: exact randomization tests and trading. Journal of the American Statistical Association, 114(528), 1665-1682. DOI: 10.1080/01621459.2018.1527225 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Multi-period Bayesian Causal Impact Analysis. ScholarGate. https://scholargate.app/de/causal-inference/multi-period-causal-impact-analysis
Welche Methode?
Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.
- Bayesian Causal Impact AnalysisKausale Inferenz↔ vergleichen
- Kausale AuswirkungsanalyseKausale Inferenz↔ vergleichen
- Differenz-in-Differenzen (DiD)Ökonometrie↔ vergleichen
- Analyse von unterbrochenen Zeitreihen (Interrupted Time Series, ITS)Kausale Inferenz↔ vergleichen
- Mehrperioden-Interrupted Time SeriesKausale Inferenz↔ vergleichen
- Synthetische Kontrollmethode (SCM)Kausale Inferenz↔ vergleichen
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →