Regression modelQuasi-experimental / causal inference

Bayesiläinen kausaalivaikutusanalyysi

Bayesiläinen kausaalivaikutusanalyysi käyttää Bayesiläistä rakenteellista aikasarjamallia (BSTS) arvioimaan interventiolle altistumisen kausaalista vaikutusta aikasarjamuuttujaan. Brodersenin ja hänen kollegoidensa Googlessa vuonna 2015 kehittämä menetelmä rakentaa todennäköisyyspohjaisen vastafaktuaalin – millainen sarja olisi ollut ilman interventiota – ennen interventiota kerätyn datan ja valinnaisten kontrollimuuttujien perusteella. Tämän jälkeen se vertaa sitä havaittuihin interventiota seuranneisiin arvoihin tuottaakseen täysin Bayesiläisen posteriorijakauman kausaaliselle vaikutukselle.

Avaa sovelluksessa MethodMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

The neighbourhood of related methods — select a node to explore.

Lähteet

  1. 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
  2. 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

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Bayesian Causal Impact Analysis via Structural Time Series. ScholarGate. https://scholargate.app/fi/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.

Compare side by side

Tähän viittaavat

ScholarGateBayesian Causal Impact Analysis (Bayesian Causal Impact Analysis via Structural Time Series). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/causal-inference/bayesian-causal-impact-analysis · Aineisto: https://doi.org/10.5281/zenodo.20539026