ScholarGate
Ассистент
Regression modelQuasi-experimental / causal inference

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.

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. 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.

Сравнить рядом
ScholarGateRobust Causal Impact Analysis (Robust Causal Impact Analysis with Sensitivity and Placebo Checks). Получено 2026-06-15 из https://scholargate.app/ru/causal-inference/robust-causal-impact-analysis · Набор данных: https://doi.org/10.5281/zenodo.20539026