Policy Evaluation Causal Impact Analysis
Policy Evaluation Causal Impact Analysis applies the Bayesian structural time-series (BSTS) framework of Brodersen et al. (2015) to estimate the causal effect of a policy intervention on aggregate outcomes. By constructing a synthetic counterfactual from pre-policy data and control covariates, it asks: what would have happened had the policy not been enacted? The difference between observed and predicted post-policy outcomes is the estimated policy effect.
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
- 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
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.