Analisi Bayesiana dell'Impatto Causale
L'analisi bayesiana dell'impatto causale utilizza un modello bayesiano di serie temporali strutturali (BSTS) per stimare l'effetto causale di un intervento su un risultato di serie temporale. Sviluppato da Brodersen e colleghi di Google nel 2015, costruisce un controfattuale probabilistico — ovvero come sarebbe apparsa la serie senza l'intervento — a partire da dati pre-intervento e covariate di controllo opzionali, quindi lo confronta con i valori osservati post-intervento per produrre una posteriore completamente bayesiana sull'effetto causale.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
- Scott, S. L., & Varian, H. R. (2014). Predicting the present with Bayesian structural time series. International Journal of Mathematical Modelling and Numerical Optimisation, 5(1-2), 4-23. DOI: 10.1504/IJMMNO.2014.059942 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian Causal Impact Analysis via Structural Time Series. ScholarGate. https://scholargate.app/it/causal-inference/bayesian-causal-impact-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Analisi di Impatto CausaleInferenza causale↔ compare
- Difference-in-Differences (Diff-in-Diff)Econometria↔ compare
- Analisi delle Serie Storiche Interrotte (ITS)Inferenza causale↔ compare
- Metodo del Controllo Sintetico (SCM)Inferenza causale↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →