Bayesian Counterfactual Impact Evaluation
Bayesian Counterfactual Impact Evaluation schat de causale impact van een interventie door een Bayesiaanse posteriorverdeling te construeren over de contrafeitelijke uitkomst – wat er zonder behandeling zou zijn gebeurd. De methode, gepopulariseerd door Brodersen et al. (2015) via het CausalImpact-framework, gebruikt Bayesiaanse structurele tijdreeksmodellen die zijn aangepast aan de periode vóór de interventie om de contrafeitelijke traject te voorspellen, en vergelijkt vervolgens de waargenomen uitkomsten na de interventie met die voorspelling.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Counterfactual Impact Evaluation. ScholarGate. https://scholargate.app/nl/causal-inference/bayesian-counterfactual-impact-evaluation
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Bayesiaanse Verschil-in-VerschillenCausale inferentie↔ vergelijken
- Causale Impact AnalyseCausale inferentie↔ vergelijken
- Counterfactual Impact Evaluation (CIE)Causale inferentie↔ vergelijken
- Difference-in-Differences (DiD)Econometrie↔ vergelijken
- Synthetische Controle Methode (SCM)Causale inferentie↔ vergelijken
Een fout op deze pagina gezien? Meld het of stel een correctie voor →