Penilaian Impak Kontrafaktual Bayesian
Penilaian Impak Kontrafaktual Bayesian menganggarkan kesan sebab-akibat suatu intervensi dengan membina taburan posterior Bayesian ke atas hasil kontrafaktual — apa yang akan berlaku tanpa rawatan. Kaedah ini, dipopularkan oleh Brodersen et al. (2015) melalui rangka kerja CausalImpact, menggunakan model siri masa struktur Bayesian yang dipasang pada tempoh pra-intervensi untuk meramal trajektori kontrafaktual, kemudian membandingkan hasil pasca-intervensi yang diperhatikan dengan ramalan tersebut.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Peta kaedah
Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.
Sumber
- 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 ↗
- Rubin, D. B. (2005). Causal inference using potential outcomes: Design, modeling, decisions. Journal of the American Statistical Association, 100(469), 322-331. DOI: 10.1198/016214504000001880 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Bayesian Counterfactual Impact Evaluation. ScholarGate. https://scholargate.app/ms/causal-inference/bayesian-counterfactual-impact-evaluation
Kaedah yang mana?
Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.
- Perbezaan-dalam-Perbezaan BayesianInferens Kausal↔ banding
- Analisis Impak KausalInferens Kausal↔ banding
- Penilaian Impak Kaunterfaktual (CIE)Inferens Kausal↔ banding
- Perbezaan-dalam-Perbezaan (Diff-in-Diff)Ekonometrik↔ banding
- Kaedah Kawalan Sintetik (SCM)Inferens Kausal↔ banding
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →