Bayesiansk kontrafaktisk utvärdering av effekter
Bayesiansk kontrafaktisk utvärdering av effekter estimerar den kausala effekten av en intervention genom att konstruera en Bayesiansk posteriorfördelning över det kontrafaktiska utfallet — vad som skulle ha hänt utan behandling. Metoden, populariserad av Brodersen et al. (2015) genom ramverket CausalImpact, använder Bayesianska strukturella tidsseriemodeller anpassade till perioden före interventionen för att förutsäga den kontrafaktiska banan, och jämför sedan observerade utfall efter interventionen med den förutsägelsen.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
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 ↗
- Rubin, D. B. (2005). Causal inference using potential outcomes: Design, modeling, decisions. Journal of the American Statistical Association, 100(469), 322-331. DOI: 10.1198/016214504000001880 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian Counterfactual Impact Evaluation. ScholarGate. https://scholargate.app/sv/causal-inference/bayesian-counterfactual-impact-evaluation
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Bayesiansk differens-i-differensKausal inferens↔ jämför
- Analys av kausal påverkanKausal inferens↔ jämför
- Kontrafaktisk effektutvärdering (CIE)Kausal inferens↔ jämför
- Differens-i-differens (DiD)Ekonometri↔ jämför
- Syntetisk kontrollmetod (SCM)Kausal inferens↔ jämför
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →