Regression modelQuasi-experimental / causal inference
ロバスト因果影響分析
ロバスト因果影響分析は、ベイジアン構造時系列モデルであるCausalImpactフレームワーク（Brodersen et al., 2015）を拡張し、体系的な頑健性チェック（インタイム・プラセボ・テスト、インスペース・プラセボ・コントロール、共変量感度分析、事前分布感度評価）を組み込むことで、検出された介入効果が真のものであり、モデル選択や偶然のデータパターンによるアーティファクトではないことを検証する。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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
このページの引用方法
ScholarGate. (2026, June 3). Robust Causal Impact Analysis with Sensitivity and Placebo Checks. ScholarGate. https://scholargate.app/ja/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.
- ベイジアン因果影響分析 (Bayesian Causal Impact Analysis)因果推論↔ compare
- 因果影響分析因果推論↔ compare
- 中断時系列分析（Interrupted Time Series, ITS）因果推論↔ compare
- 因果推論における感度分析因果推論↔ compare
- 合成コントロール法（SCM）因果推論↔ compare