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.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- 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 ↗
- 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.
- Perbedaan-dalam-Perbedaan BayesianInferensi Kausal↔ bandingkan
- Analisis Dampak KausalInferensi Kausal↔ bandingkan
- Evaluasi Dampak Kontrafaktual (EDK)Inferensi Kausal↔ bandingkan
- Perbedaan-dalam-Perbedaan (Diff-in-Diff)Ekonometrika↔ bandingkan
- Metode Kontrol Sintetis (SCM)Inferensi Kausal↔ bandingkan
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →