[UNTRANSLATED]
Bayesian Causal Impact Analysis kasutab Bayesian structural time series (BSTS) mudelit, et hinnata sekkumise põhjuslikku mõju ajasarja tulemusele. Broderseni ja tema kolleegide poolt Google'is 2015. aastal välja töötatud meetod loob tõenäosusliku vastandfakti – milline oleks sari olnud ilma sekkumiseta – tuginedes sekkumiseelsele perioodile ja valikulistele kontrollmuutujatele, seejärel võrdleb seda vaadeldud sekkumisjärgsete väärtustega, et saada täielikult Bayesianlik järeldus põhjusliku mõju kohta.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Meetodikaart
Seotud meetodite ümbruskond — vali sõlm, et seda uurida.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Bayesian Causal Impact Analysis via Structural Time Series. ScholarGate. https://scholargate.app/et/causal-inference/bayesian-causal-impact-analysis
Milline meetod?
Aseta see meetod oma lähimate sugulaste kõrvale ja loe neid kõrvuti — raamatukogu laob raamatud lauale; valik on sinu.
- Kausaalne mõju analüüsPõhjuslik järeldamine↔ võrdle
- Erinevused erinevustes (Diff-in-Diff)Ökonomeetria↔ võrdle
- Katkendliku ajasarja (ITS) analüüsPõhjuslik järeldamine↔ võrdle
- Sünteetilise kontrolli meetod (SCM)Põhjuslik järeldamine↔ võrdle
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →