Analyse d'impact causal robuste
L'analyse d'impact causal robuste étend le cadre CausalImpact bayésien de séries chronologiques structurelles (Brodersen et al., 2015) en y intégrant des vérifications systématiques de robustesse — tests placebo temporels, contrôles placebo spatiaux, analyse de sensibilité aux covariables et évaluations de sensibilité aux a priori — afin de vérifier qu'un effet d'intervention détecté est authentique et non un artefact des choix de modèle ou de coïncidences dans les données.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Robust Causal Impact Analysis with Sensitivity and Placebo Checks. ScholarGate. https://scholargate.app/fr/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.
- Analyse d'impact causal bayésienInférence causale↔ compare
- Analyse d'impact causalInférence causale↔ compare
- Analyse de séries chronologiques interrompues (ITS)Inférence causale↔ compare
- Analyse de sensibilité pour la causalitéInférence causale↔ compare
- Méthode du Contrôle Synthétique (MCS)Inférence causale↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →