Análisis Robusto de Impacto Causal
El Análisis Robusto de Impacto Causal extiende el marco bayesiano de series de tiempo estructurales CausalImpact (Brodersen et al., 2015) al incorporar verificaciones sistemáticas de robustez —pruebas de placebo en el tiempo, controles de placebo en el espacio, análisis de sensibilidad de covariables y evaluaciones de sensibilidad de los priors— para verificar que un efecto de intervención detectado es genuino y no un artefacto de las elecciones del modelo o de patrones de datos coincidentes.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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
Cómo citar esta página
ScholarGate. (2026, June 3). Robust Causal Impact Analysis with Sensitivity and Placebo Checks. ScholarGate. https://scholargate.app/es/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.
- Análisis de Impacto Causal BayesianoInferencia causal↔ compare
- Análisis de Impacto CausalInferencia causal↔ compare
- Análisis de Series Temporales Interrumpidas (ITS)Inferencia causal↔ compare
- Análisis de sensibilidad para la causalidadInferencia causal↔ compare
- Método de Control Sintético (SCM)Inferencia causal↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →