Bayesian Causal Impact Analysis
Bayesian Causal Impact Analysis koristi Bayesov model strukturnih vremenskih nizova (BSTS) za procjenu uzročnog učinka intervencije na vremenski niz ishoda. Razvijen od strane Brodersena i kolega na Googleu 2015. godine, gradi probabilistički kontrafaktuelni prikaz — kako bi niz izgledao bez intervencije — na temelju podataka prije intervencije i opcionalnih kontrolnih kovarijata, a zatim ga uspoređuje s promatranim vrijednostima nakon intervencije kako bi se dobio potpuno Bayesovski posterior za uzročni učinak.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Bayesian Causal Impact Analysis via Structural Time Series. ScholarGate. https://scholargate.app/hr/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.
- Analiza uzročnog utjecajaUzročno zaključivanje↔ compare
- Metoda razlika u razlikama (engl. Difference-in-Differences, DiD)Ekonometrija↔ compare
- Analiza prekinutih vremenskih serija (ITS)Uzročno zaključivanje↔ compare
- Metoda sintetičke kontrole (SCM)Uzročno zaključivanje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →