ScholarGate
Ассистент
Regression modelQuasi-experimental / causal inference

Байесовская оценка причинно-следственного влияния контрфактической ситуации

Байесовская оценка причинно-следственного влияния контрфактической ситуации оценивает причинно-следственный эффект вмешательства путем построения байесовского апостериорного распределения для контрфактического исхода — того, что произошло бы без воздействия. Метод, популяризированный Brodersen et al. (2015) в рамках фреймворка CausalImpact, использует байесовские структурные модели временных рядов, подогнанные на доинтервенционный период, для прогнозирования контрфактической траектории, а затем сравнивает наблюдаемые пост-интервенционные исходы с этим прогнозом.

Открыть в MethodMindСкороВидеоСкороСкачать слайды

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Карта метода

Окружение родственных методов — выберите узел, чтобы перейти к нему.

Источники

  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. 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

Как цитировать эту страницу

ScholarGate. (2026, June 3). Bayesian Counterfactual Impact Evaluation. ScholarGate. https://scholargate.app/ru/causal-inference/bayesian-counterfactual-impact-evaluation

Какой метод?

Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.

Сравнить рядом
ScholarGateBayesian Counterfactual Impact Evaluation (Bayesian Counterfactual Impact Evaluation). Получено 2026-06-15 из https://scholargate.app/ru/causal-inference/bayesian-counterfactual-impact-evaluation · Набор данных: https://doi.org/10.5281/zenodo.20539026