Analyse van causale impact met heterogene behandelingseffecten
Analyse van causale impact met heterogene behandelingseffecten breidt het Bayesiaanse structurele tijdreeks-causale impactkader uit om niet alleen het gemiddelde effect van een interventie te schatten, maar ook hoe dat effect varieert over subgroepen of individuele eenheden. Door contrafeitelijke voorspelling te combineren met de schatting van het conditionele gemiddelde behandelingseffect (CATE), onthult het welke groepen het meest of minst profiteren van een interventie.
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 ↗
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Heterogeneous Treatment Effect Causal Impact Analysis. ScholarGate. https://scholargate.app/nl/causal-inference/heterogeneous-treatment-effect-causal-impact-analysis
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.
- Causale Impact AnalyseCausale inferentie↔ vergelijken
- Heterogeneous Treatment Effect Difference-in-Differences (HTE-DiD)Causale inferentie↔ vergelijken
- Onderbroken Tijdreeks (ITS) AnalyseCausale inferentie↔ vergelijken
- Propensity Score MatchingOnderzoeksstatistiek↔ vergelijken
- Synthetische Controle Methode (SCM)Causale inferentie↔ vergelijken
Similar methods
Een fout op deze pagina gezien? Meld het of stel een correctie voor →