Analisi Robusta dell'Impatto Causale
L'Analisi Robusta dell'Impatto Causale estende il framework bayesiano delle serie storiche strutturali CausalImpact (Brodersen et al., 2015) incorporando controlli sistematici di robustezza — test placebo in-time, controlli placebo in-space, analisi di sensibilità dei covariati e valutazioni di sensibilità dei prior — per verificare che un effetto di intervento rilevato sia genuino e non un artefatto delle scelte del modello o di pattern casuali nei dati.
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 ↗
- Cunningham, S. (2021). Causal Inference: The Mixtape. Yale University Press. ISBN: 978-0300251685
Come citare questa pagina
ScholarGate. (2026, June 3). Robust Causal Impact Analysis with Sensitivity and Placebo Checks. ScholarGate. https://scholargate.app/it/causal-inference/robust-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 Bayesiana dell'Impatto CausaleInferenza causale↔ compare
- Analisi di Impatto CausaleInferenza causale↔ compare
- Analisi delle Serie Storiche Interrotte (ITS)Inferenza causale↔ compare
- Analisi di sensibilità per la causalitàInferenza causale↔ compare
- Metodo del Controllo Sintetico (SCM)Inferenza causale↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →