Bayesiläinen rakenteellinen aikasarja
Bayesian Structural Time Series (BSTS) on mallinnuskehys, joka perustuu tilamallinnukseen ja jonka Scott ja Varian (2014) esittelivät. Se hajottaa aikasarjan additiivisiin komponentteihin – trendiin, kausivaihteluun ja regressioon – ja estimoi ne yhdessä Bayesin päättelyn avulla. Se on Google CausalImpact-kirjaston perusta ja tehokas työkalu sekä ennustamiseen että interventioiden vastafaktuaaliseen kausaalianalyysiin.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Bayesian Structural Time Series Model. ScholarGate. https://scholargate.app/fi/bayesian/bayesian-structural-time-series
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.
- ARIMA (Autoregressive Integrated Moving Average) -malliEkonometria↔ compare
- Bayesilainen regressioBayesilainen tilastotiede↔ compare
- Aikasarjojen katkosanalyysi (Interrupted Time Series, ITS)Kausaalipäättely↔ compare
- Markov-ketju-Monte Carlo (MCMC)Bayesilainen tilastotiede↔ compare
- Tilamallinnus (Kalman-suodin)Ekonometria↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →