Maskinlærings-augmentert avbrutt tidsserie
Maskinlærings-augmentert avbrutt tidsserie (ML-ITS) estimerer den kausale effekten av en diskret intervensjon ved å trene en maskinlæringsmodell på tidsseriedata før intervensjonen, projisere en kontrafaktisk bane inn i perioden etter intervensjonen, og måle gapet mellom observerte og predikerte utfall. Den utvider klassisk ITS ved å erstatte parametriske trendantakelser med fleksible ML-estimatorer som gradient boosting, random forests eller bayesianske strukturelle tidsseriemodeller.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Metodekart
Nabolaget av beslektede metoder — velg en node for å utforske.
Kilder
- 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 ↗
- Varian, H. R. (2014). Big Data: New Tricks for Econometrics. Journal of Economic Perspectives, 28(2), 3-28. DOI: 10.1257/jep.28.2.3 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Machine Learning-Augmented Interrupted Time Series Analysis. ScholarGate. https://scholargate.app/no/causal-inference/machine-learning-augmented-interrupted-time-series
Hvilken metode?
Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.
- Kausal effektanalyseKausal inferens↔ sammenlign
- Differanse-i-differanser (DiD)Økonometri↔ sammenlign
- Dynamisk avbrutt tidsserieKausal inferens↔ sammenlign
- Tidsrekkeanalyse med avbrudd (Interrupted Time Series, ITS)Kausal inferens↔ sammenlign
- Maskinlæringsforsterket differanse-i-differanser (ML-DiD)Kausal inferens↔ sammenlign
- Syntetisk kontrollmetode (SCM)Kausal inferens↔ sammenlign
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →