Bayesianske strukturelle tidsserier
Bayesianske strukturelle tidsserier (BSTS) er et rammeverk for tilstandsrommodellering, introdusert av Scott og Varian (2014), som dekomponerer en tidsserie i additive komponenter – trend, sesongvariasjon og regresjon – og estimerer dem samlet gjennom Bayesiansk inferens. Det ligger til grunn for Googles CausalImpact-bibliotek og er et kraftig verktøy for både prognoser og kontrafaktisk kausal analyse av intervensjoner.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Scott, S. L. & Varian, H. R. (2014). Predicting the Present with Bayesian Structural Time Series. International Journal of Mathematical Modelling and Numerical Optimisation, 5(1/2), 4–23. DOI: 10.1504/IJMMNO.2014.059942 ↗
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Bayesian Structural Time Series Model. ScholarGate. https://scholargate.app/no/bayesian/bayesian-structural-time-series
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ARIMA (Autoregressive Integrated Moving Average) ModellØkonometri↔ compare
- Bayesiansk regresjonBayesiansk↔ compare
- Tidsrekkeanalyse med avbrudd (Interrupted Time Series, ITS)Kausal inferens↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiansk↔ compare
- Tilstandsrommodell (Kalmanfilter)Økonometri↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →