Машинско учење-појачана анализа каузалног утицаја
Машинско учење-појачана анализа каузалног утицаја комбинује квази-експериментално контрафактуално резоновање са флексибилним МЛ моделима предвиђања како би се проценио каузални ефекат интервенције на временску серију исхода. На основу Бајезијевог оквира структурних временских серија (BSTS) Brodersen et al. и проширеног двоструким/дебиасираним МЛ методама, он конструише синтетички контрафактуал из донорских коваријати и изводи третмански ефекат као јаз између посматраних и предвиђених пост-интервентних исхода.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Mapa metoda
Okruženje srodnih metoda — izaberite čvor da biste istraživali.
Izvori
- 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 ↗
- Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, C., Newey, W., & Robins, J. (2018). Double/debiased machine learning for treatment and structural parameters. The Econometrics Journal, 21(1), C1-C68. DOI: 10.1111/ectj.12097 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Machine Learning-Augmented Causal Impact Analysis. ScholarGate. https://scholargate.app/sr/causal-inference/machine-learning-augmented-causal-impact-analysis
Koja metoda?
Postavite ovu metodu pored njoj najbližih srodnika i čitajte ih uporedo — biblioteka polaže knjige na sto; izbor je na vama.
- Analiza uzročnog uticajaKauzalno zaključivanje↔ uporedi
- Razlika u razlikama (Diff-in-Diff)Ekonometrija↔ uporedi
- Izračunavanje dvostruke robustnosti (AIPW)Kauzalno zaključivanje↔ uporedi
- Analiza prekinutih vremenskih serija (ITS)Kauzalno zaključivanje↔ uporedi
- Panel studija slučajaKauzalno zaključivanje↔ uporedi
- Metoda sintetičke kontrole (SCM)Kauzalno zaključivanje↔ uporedi
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →