Bayesian Counterfactual Impact Evaluation
Bayesian Counterfactual Impact Evaluation estimates the causal effect of an intervention by constructing a Bayesian posterior distribution over the counterfactual outcome — what would have happened without treatment. The method, popularized by Brodersen et al. (2015) through the CausalImpact framework, uses Bayesian structural time-series models fitted on the pre-intervention period to predict the counterfactual trajectory, then compares observed post-intervention outcomes to that prediction.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.