Bayesian methods
베이지안 구조 시계열
베이지안 구조 시계열(Bayesian Structural Time Series, BSTS)은 Scott와 Varian (2014)이 소개한 상태 공간 모델링 프레임워크로, 시계열을 추세, 계절성, 회귀 등 가법적(additive) 구성 요소로 분해하고 베이즈 추론을 통해 이를 공동으로 추정합니다. 이는 Google의 CausalImpact 라이브러리의 기반이 되며, 예측과 개입의 반사실적(counterfactual) 인과 분석 모두에 강력한 도구입니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Bayesian Structural Time Series Model. ScholarGate. https://scholargate.app/ko/bayesian/bayesian-structural-time-series
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.
- ARIMA (Autoregressive Integrated Moving Average) 모형계량경제학↔ compare
- 베이즈 회귀베이지안↔ compare
- 시계열 단절 분석 (Interrupted Time Series, ITS)인과추론↔ compare
- 마르코프 연쇄 몬테카를로 (MCMC)베이지안↔ compare
- 상태 공간 모형 (칼만 필터)계량경제학↔ compare