Анализ причинно-следственного влияния с использованием машинного обучения

Анализ причинно-следственного влияния с использованием машинного обучения (Machine learning-augmented causal impact analysis) сочетает квазиэкспериментальное контрфактическое рассуждение с гибкими моделями прогнозирования на основе машинного обучения для оценки причинного эффекта вмешательства на временной ряд исхода. Основываясь на байесовской структурной модели временных рядов (BSTS) Brodersen et al. и расширенный методами двойного/смещенного машинного обучения (double/debiased ML), он конструирует синтетический контрфактуал из донорских ковариат и определяет эффект воздействия как разрыв между наблюдаемыми и прогнозируемыми исходами после вмешательства.