تحلیل تأثیر سببی بیزی (Bayesian Causal Impact Analysis)
تحلیل تأثیر سببی بیزی از مدل سری زمانی ساختاری بیزی (BSTS) برای تخمین اثر سببی یک مداخله بر یک پیامد سری زمانی استفاده میکند. این روش که در سال ۲۰۱۵ توسط برودرسن و همکارانش در گوگل توسعه یافته است، یک ضدواقعیت احتمالی (counterfactual) - یعنی اینکه سری زمانی بدون مداخله چگونه به نظر میرسید - را بر اساس دادههای پیش از مداخله و متغیرهای کمکی کنترلی اختیاری میسازد، سپس آن را با مقادیر مشاهده شده پس از مداخله مقایسه میکند تا یک توزیع پسین کاملاً بیزی بر روی اثر سببی به دست آورد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Bayesian Causal Impact Analysis via Structural Time Series. ScholarGate. https://scholargate.app/fa/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.
- تحلیل اثر علیّتاستنتاج علّی↔ compare
- روش تفاوت در تفاوت (Diff-in-Diff)اقتصادسنجی↔ compare
- تحلیل سری زمانی مقطعدار (ITS)استنتاج علّی↔ compare
- روش کنترل ترکیبی (SCM)استنتاج علّی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →