Regression modelQuasi-experimental / causal inference

Analiza wpływu przyczynowego

Analiza wpływu przyczynowego (Causal Impact Analysis), wprowadzona przez Brodersena i in. (2015) w Google, wykorzystuje bayesowskie strukturalne modele szeregów czasowych do oszacowania, co stałoby się z wynikiem, gdyby interwencja nigdy nie nastąpiła. Konstruując probabilistyczny kontrfaktyczny scenariusz na podstawie danych sprzed interwencji i kowariancji kontrolnych, ilościowo określa punktowe i skumulowane efekty leczenia z pełnymi przedziałami niepewności a posteriori.

Otwórz w MethodMindWkrótceWideoWkrótceDownload slides

Przeczytaj pełny opis metody

Tylko dla członków

Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.

Zaloguj się

Method map

The neighbourhood of related methods — select a node to explore.

+13 more

Źródła

  1. 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
  2. CausalImpact. Wikipedia. link

Jak cytować tę stronę

ScholarGate. (2026, June 3). Bayesian Structural Time-Series Causal Impact Analysis. ScholarGate. https://scholargate.app/pl/causal-inference/causal-impact-analysis

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.

Compare side by side

Cytowana przez

ScholarGateCausal Impact Analysis (Bayesian Structural Time-Series Causal Impact Analysis). Pobrano 2026-06-15 z https://scholargate.app/pl/causal-inference/causal-impact-analysis · Zbiór danych: https://doi.org/10.5281/zenodo.20539026