Beijiešu placebo tests
Beijiešu placebo tests ir falsifikācijas stratēģija cēloniskai secināšanai, kas piemēro Beijiešu secināšanu placebo scenārijiem — vai nu viltus ārstēšanai pirms intervences periodā, neietekmētajām vienībām vai pie fiktīviem sliekšņiem — lai pārbaudītu, vai novērotās ārstēšanas sekas nevarētu rasties nejauši vai no nepareizi specifikācijas modeļa. Tas integrē iepriekšēju informāciju un nodrošina placebo efektu aizmugurējās sadalījumus tiešai probabilitātes salīdzināšanai.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Placebo Test for Causal Inference. ScholarGate. https://scholargate.app/lv/causal-inference/bayesian-placebo-test
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.
- Bayesian Causal Impact AnalysisCēloņsakarību secināšana↔ compare
- Beijesa atšķirību atšķirību metodeCēloņsakarību secināšana↔ compare
- Bejonsas sintētiskās kontroles metodeCēloņsakarību secināšana↔ compare
- Kausaālās ietekmes analīzeCēloņsakarību secināšana↔ compare
- Kauzalitātes jutīguma analīzeCēloņsakarību secināšana↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →