Heterogēnas ārstēšanas efektu cēloņsakarību ietekmes analīze
Heterogēnas ārstēšanas efektu cēloņsakarību ietekmes analīze paplašina Bajesas strukturālo laika sēriju cēloņsakarību ietekmes sistēmu, lai novērtētu ne tikai vidējo intervences ietekmi, bet arī to, kā šī ietekme atšķiras dažādās apakšgrupās vai individuālās vienībās. Apvienojot kontrafaktuālu prognozēšanu ar nosacītu vidējo ārstēšanas efektu (CATE) novērtēšanu, tā atklāj, kuras grupas visvairāk vai vismazāk gūst labumu no intervences.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
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 ↗
- Athey, S., & Imbens, G. (2016). Recursive partitioning for heterogeneous causal effects. Proceedings of the National Academy of Sciences, 113(27), 7353-7360. DOI: 10.1073/pnas.1510489113 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Heterogeneous Treatment Effect Causal Impact Analysis. ScholarGate. https://scholargate.app/lv/causal-inference/heterogeneous-treatment-effect-causal-impact-analysis
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Kausaālās ietekmes analīzeCēloņsakarību secināšana↔ salīdzināt
- Heterogeneous Treatment Effect Difference-in-DifferencesCēloņsakarību secināšana↔ salīdzināt
- Pārtraukto laika sēriju (ITS) analīzeCēloņsakarību secināšana↔ salīdzināt
- Propensity Score MatchingPētniecības statistika↔ salīdzināt
- Sintētiskās kontroles metode (SCM)Cēloņsakarību secināšana↔ salīdzināt
Similar methods
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →