Politikas novērtējums: Kausaļās ietekmes analīze
Politikas novērtējums: Kausaļās ietekmes analīze izmanto Brodersena et al. (2015) Beijesa strukturālo laika sēriju (BSTS) sistēmu, lai novērtētu politikas intervences kausaļo efektu uz kopējiem rezultātiem. Konstruējot sintētisku kontrafaktuālu no pirms-politikas datiem un kontroles kovariātiem, tā jautā: kas notiktu, ja politika netiktu ieviesta? Atšķirība starp novērotajiem un prognozētajiem pēc-politikas rezultātiem ir novērtētā politikas ietekme.
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 ↗
- 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). Policy Evaluation Causal Impact Analysis via Bayesian Structural Time-Series. ScholarGate. https://scholargate.app/lv/causal-inference/policy-evaluation-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.
- Bayesian Causal Impact AnalysisCēloņsakarību secināšana↔ salīdzināt
- Kausaālās ietekmes analīzeCēloņsakarību secināšana↔ salīdzināt
- Diferenču starpībām (Diff-in-Diff)Ekonometrija↔ salīdzināt
- Pārtraukto laika sēriju (ITS) analīzeCēloņsakarību secināšana↔ salīdzināt
- Pārtrauktu laika sēriju politikas novērtēšanaiCēloņsakarību secināšana↔ salīdzināt
- Sintētiskās kontroles metode (SCM)Cēloņsakarību secināšana↔ salīdzināt
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →