Robuszt kauzális hatásanalízis
A robuszt kauzális hatásanalízis a Bayesian strukturális idősor modell CausalImpact keretrendszerét (Brodersen et al., 2015) bővíti ki szisztematikus robusztessz-ellenőrzések beágyazásával – időszerű placebo tesztek, térbeli placebo kontrollok, kovarianciaérzékenység-elemzés és prior érzékenységi értékelések –, hogy igazolja, a detektált beavatkozási hatás valódi, és nem a modellválasztás vagy véletlenszerű adatmintázatok eredménye.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
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 ↗
- Cunningham, S. (2021). Causal Inference: The Mixtape. Yale University Press. ISBN: 978-0300251685
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Robust Causal Impact Analysis with Sensitivity and Placebo Checks. ScholarGate. https://scholargate.app/hu/causal-inference/robust-causal-impact-analysis
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- Bayesian Causal Impact AnalysisOksági következtetés↔ összehasonlítás
- Kauzalitási hatás elemzéseOksági következtetés↔ összehasonlítás
- Megszakított Idősor (ITS) ElemzésOksági következtetés↔ összehasonlítás
- Érzékenységvizsgálat az okozatiságraOksági következtetés↔ összehasonlítás
- Szintetikus kontroll módszer (SCM)Oksági következtetés↔ összehasonlítás
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →