Bayesian Causal Impact Analysis
A Bayesian Causal Impact Analysis a Bayesian strukturális idősori (BSTS) modellt használ annak becslésére, hogy egy beavatkozás milyen kauzális hatást gyakorolt egy idősori kimenetelre. A Google munkatársai, Brodersen és kollégái által 2015-ben kifejlesztett módszer valószínűségi ellen-ténytényt (counterfactual) épít – azaz, hogy a sorozat hogyan nézett volna ki a beavatkozás nélkül – a beavatkozás előtti adatokból és opcionális kontrollváltozókból, majd összehasonlítja a megfigyelt beavatkozás utáni értékekkel, hogy a kauzális hatásra egy teljes Bayesian posterior eloszlást kapjunk.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Bayesian Causal Impact Analysis via Structural Time Series. ScholarGate. https://scholargate.app/hu/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.
- Kauzalitási hatás elemzéseOksági következtetés↔ compare
- A különbség-különbségek (Diff-in-Diff) módszerÖkonometria↔ compare
- Megszakított Idősor (ITS) ElemzésOksági következtetés↔ compare
- Szintetikus kontroll módszer (SCM)Oksági következtetés↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →