ScholarGate
Asisten
Regression modelQuasi-experimental / causal inference

Evaluasi Dampak Kontrafaktual Bayesian

Evaluasi Dampak Kontrafaktual Bayesian memperkirakan efek kausal dari suatu intervensi dengan membangun distribusi posterior Bayesian atas hasil kontrafaktual — apa yang akan terjadi tanpa perlakuan. Metode ini, yang dipopulerkan oleh Brodersen et al. (2015) melalui kerangka kerja CausalImpact, menggunakan model deret waktu struktural Bayesian yang disesuaikan pada periode pra-intervensi untuk memprediksi lintasan kontrafaktual, kemudian membandingkan hasil pasca-intervensi yang diamati dengan prediksi tersebut.

Buka di MethodMindSegeraVideoSegeraUnduh salindia

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Peta metode

Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.

Sumber

  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. Rubin, D. B. (2005). Causal inference using potential outcomes: Design, modeling, decisions. Journal of the American Statistical Association, 100(469), 322-331. DOI: 10.1198/016214504000001880

Cara menyitasi halaman ini

ScholarGate. (2026, June 3). Bayesian Counterfactual Impact Evaluation. ScholarGate. https://scholargate.app/id/causal-inference/bayesian-counterfactual-impact-evaluation

Metode yang mana?

Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.

Bandingkan berdampingan
ScholarGateBayesian Counterfactual Impact Evaluation (Bayesian Counterfactual Impact Evaluation). Diakses 2026-06-15 dari https://scholargate.app/id/causal-inference/bayesian-counterfactual-impact-evaluation · Set data: https://doi.org/10.5281/zenodo.20539026