Strukturalna analiza vremenskih nizova s proširenjem strojnog učenja
Strukturalna analiza vremenskih nizova s proširenjem strojnog učenja (ML-ITS) procjenjuje uzročni učinak diskretne intervencije treniranjem modela strojnog učenja na podacima vremenskih nizova prije intervencije, projiciranjem kontrafaktualne putanje u razdoblje nakon intervencije i mjerenjem razlike između promatranih i predviđenih ishoda. Proširuje klasičnu ITS zamjenom parametarskih pretpostavki o trendu fleksibilnim ML procjeniteljima kao što su gradient boosting, slučajne šume ili Bayesovi modeli strukturalnih vremenskih nizova.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
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 ↗
- Varian, H. R. (2014). Big Data: New Tricks for Econometrics. Journal of Economic Perspectives, 28(2), 3-28. DOI: 10.1257/jep.28.2.3 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Machine Learning-Augmented Interrupted Time Series Analysis. ScholarGate. https://scholargate.app/hr/causal-inference/machine-learning-augmented-interrupted-time-series
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- Analiza uzročnog utjecajaUzročno zaključivanje↔ usporedi
- Metoda razlika u razlikama (engl. Difference-in-Differences, DiD)Ekonometrija↔ usporedi
- Dinamička prekinuta vremenska serijaUzročno zaključivanje↔ usporedi
- Analiza prekinutih vremenskih serija (ITS)Uzročno zaključivanje↔ usporedi
- Uvećani razlika-u-razlici (ML-DiD) potpomognut strojnim učenjemUzročno zaključivanje↔ usporedi
- Metoda sintetičke kontrole (SCM)Uzročno zaključivanje↔ usporedi
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →