Analisis Dampak Kausal Evaluasi Kebijakan
Analisis Dampak Kausal Evaluasi Kebijakan menerapkan kerangka deret waktu struktural Bayesian (BSTS) dari Brodersen et al. (2015) untuk mengestimasi dampak kausal dari intervensi kebijakan terhadap hasil agregat. Dengan membangun pencacahan sintetis dari data pra-kebijakan dan kovariat kontrol, analisis ini bertanya: apa yang akan terjadi jika kebijakan tidak diberlakukan? Perbedaan antara hasil pasca-kebijakan yang diamati dan yang diprediksi adalah estimasi dampak kebijakan.
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 ↗
- Abadie, A., Diamond, A., & Hainmueller, J. (2010). Synthetic control methods for comparative case studies: Estimating the effect of California's tobacco control program. Journal of the American Statistical Association, 105(490), 493-505. DOI: 10.1198/jasa.2009.ap08746 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Policy Evaluation Causal Impact Analysis via Bayesian Structural Time-Series. ScholarGate. https://scholargate.app/id/causal-inference/policy-evaluation-causal-impact-analysis
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.
- Analisis Dampak Kausal BayesianInferensi Kausal↔ bandingkan
- Analisis Dampak KausalInferensi Kausal↔ bandingkan
- Perbedaan-dalam-Perbedaan (Diff-in-Diff)Ekonometrika↔ bandingkan
- Analisis Deret Waktu Terinterupsi (ITS)Inferensi Kausal↔ bandingkan
- Policy Evaluation Interrupted Time SeriesInferensi Kausal↔ bandingkan
- Metode Kontrol Sintetis (SCM)Inferensi Kausal↔ bandingkan
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →