Regression modelQuasi-experimental / causal inference

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.

Atvērt MethodMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

The neighbourhood of related methods — select a node to explore.

+13 more

Avoti

  1. 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
  2. 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.

Compare side by side

Uz to atsaucas

ScholarGateCausal Impact Analysis (Bayesian Structural Time-Series Causal Impact Analysis). Izgūts 2026-06-15 no https://scholargate.app/lv/causal-inference/causal-impact-analysis · Datu kopa: https://doi.org/10.5281/zenodo.20539026