Bayesiansk kausalitetsanalys
Bayesiansk kausalitetsanalys använder en Bayesiansk strukturell tidsseriemodell (BSTS) för att estimera den kausala effekten av en intervention på ett tidsserieutfall. Utvecklad av Brodersen och kollegor vid Google 2015, bygger den en probabilistisk kontrafaktisk – vad serien skulle ha sett ut utan interventionen – från data före interventionen och valfria kontrollkovariater, och jämför den sedan med de observerade värdena efter interventionen för att producera en fullständigt Bayesiansk posterior över den kausala effekten.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
- Scott, S. L., & Varian, H. R. (2014). Predicting the present with Bayesian structural time series. International Journal of Mathematical Modelling and Numerical Optimisation, 5(1-2), 4-23. DOI: 10.1504/IJMMNO.2014.059942 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian Causal Impact Analysis via Structural Time Series. ScholarGate. https://scholargate.app/sv/causal-inference/bayesian-causal-impact-analysis
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.
- Analys av kausal påverkanKausal inferens↔ compare
- Differens-i-differens (DiD)Ekonometri↔ compare
- Avbruten tidsserieanalys (ITS)Kausal inferens↔ compare
- Syntetisk kontrollmetod (SCM)Kausal inferens↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →