Avaliação de Impacto Contrafactual Bayesiana
A Avaliação de Impacto Contrafactual Bayesiana estima o efeito causal de uma intervenção construindo uma distribuição posterior Bayesiana sobre o resultado contrafactual — o que teria acontecido sem tratamento. O método, popularizado por Brodersen et al. (2015) através do framework CausalImpact, utiliza modelos bayesianos estruturais de séries temporais ajustados no período pré-intervenção para prever a trajetória contrafactual, comparando então os resultados observados pós-intervenção com essa previsão.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Mapa de métodos
A vizinhança de métodos relacionados — selecione um nó para explorar.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Bayesian Counterfactual Impact Evaluation. ScholarGate. https://scholargate.app/pt/causal-inference/bayesian-counterfactual-impact-evaluation
Qual método?
Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.
- Bayesian Difference-in-DifferencesInferência causal↔ comparar
- Análise de Impacto CausalInferência causal↔ comparar
- Avaliação de Impacto Contrafactual (AIC)Inferência causal↔ comparar
- Diferenças em Diferenças (DiD)Econometria↔ comparar
- Método do Controle Sintético (MCS)Inferência causal↔ comparar
Encontrou um problema nesta página? Relate ou sugira uma correção →