Regression modelQuasi-experimental / causal inference

Байесовский метод синтетического контроля

Байесовский метод синтетического контроля оценивает причинно-следственный эффект вмешательства на единицу наблюдения путем построения вероятностного контрфактического сценария на основе взвешенной комбинации необработанных единиц-доноров. В отличие от классического SCM, он назначает априорное распределение на синтетические веса, что позволяет получить полные апостериорные интервалы неопределенности для контрфактического траектории и эффекта воздействия в каждую точку времени после вмешательства.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

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

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. Abadie, A., Diamond, A., & Hainmueller, J. (2010). Synthetic control methods for comparative case studies: Estimating the effect of California's tobacco control program. Journal of the American Statistical Association, 105(490), 493-505. DOI: 10.1198/jasa.2009.ap08746

Как цитировать эту страницу

ScholarGate. (2026, June 3). Bayesian Synthetic Control Method. ScholarGate. https://scholargate.app/ru/causal-inference/bayesian-synthetic-control-method

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

Упоминается в

ScholarGateBayesian Synthetic Control Method (Bayesian Synthetic Control Method). Получено 2026-06-15 из https://scholargate.app/ru/causal-inference/bayesian-synthetic-control-method · Набор данных: https://doi.org/10.5281/zenodo.20539026