Kausaālās ietekmes analīze
Kausaālās ietekmes analīzi, ko 2015. gadā Google iepazīstināja Brodersens et al., izmanto Bajesiešu strukturālos laika sēriju modeļus, lai novērtētu, kas notiktu ar iznākumu, ja intervence nekad nebūtu notikusi. Veidojot probablistisku kontrafaktuālu no pirmsintervences datiem un kontroles kovariātēm, tā kvantificē punktveida un kumulatīvos ārstēšanas efektus ar pilniem aizmugures nenoteiktības intervāliem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+13 more
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 ↗
- CausalImpact. Wikipedia. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Structural Time-Series Causal Impact Analysis. ScholarGate. https://scholargate.app/lv/causal-inference/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.
- Bayesian Structural Time SeriesBajesa metodes↔ compare
- Diferenču starpībām (Diff-in-Diff)Ekonometrija↔ compare
- Pārtraukto laika sēriju (ITS) analīzeCēloņsakarību secināšana↔ compare
- Propensity Score MatchingPētniecības statistika↔ compare
- Sintētiskās kontroles metode (SCM)Cēloņsakarību secināšana↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →