Regression modelQuasi-experimental / causal inference

Kauzalitási hatás elemzése

A Brodersen et al. (2015) által a Google-nál bevezetett Kauzalitási hatás elemzése (Causal Impact Analysis) Bayes-féle strukturális idősori modelleket használ annak becslésére, hogy mi történt volna egy kimeneti adattal, ha egy beavatkozás soha nem történt volna meg. A kezelés előtti adatokból és kontroll változókból felépített valószínűségi ellen-tényállás (counterfactual) segítségével pontszerű és kumulatív kezelési hatásokat kvantifikál, teljes utólagos bizonytalansági intervallumokkal.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

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

+13 more

Források

  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. CausalImpact. Wikipedia. link

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 3). Bayesian Structural Time-Series Causal Impact Analysis. ScholarGate. https://scholargate.app/hu/causal-inference/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

Hivatkozik rá

ScholarGateCausal Impact Analysis (Bayesian Structural Time-Series Causal Impact Analysis). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/causal-inference/causal-impact-analysis · Adatkészlet: https://doi.org/10.5281/zenodo.20539026