Робастный анализ причинно-следственного воздействия
Робастный анализ причинно-следственного воздействия расширяет байесовскую структурную модель временных рядов CausalImpact (Brodersen et al., 2015), внедряя систематические проверки робастности — плацебо-тесты во времени, плацебо-контроли в пространстве, анализ чувствительности ковариат и оценки чувствительности априорных распределений — для проверки того, является ли обнаруженный эффект вмешательства подлинным, а не артефактом выбора модели или случайным совпадением данных.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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 ↗
- Cunningham, S. (2021). Causal Inference: The Mixtape. Yale University Press. ISBN: 978-0300251685
Как цитировать эту страницу
ScholarGate. (2026, June 3). Robust Causal Impact Analysis with Sensitivity and Placebo Checks. ScholarGate. https://scholargate.app/ru/causal-inference/robust-causal-impact-analysis
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Байесовский анализ причинно-следственного воздействияПричинно-следственный вывод↔ сравнить
- Анализ причинно-следственного воздействия (Causal Impact Analysis)Причинно-следственный вывод↔ сравнить
- Анализ прерванных временных рядов (Interrupted Time Series, ITS)Причинно-следственный вывод↔ сравнить
- Анализ чувствительности для причинно-следственных связейПричинно-следственный вывод↔ сравнить
- Синтетический метод контроля (SCM)Причинно-следственный вывод↔ сравнить
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →