Heterogen kausal effektanalys av behandlingseffekter
Heterogen kausal effektanalys av behandlingseffekter utvidgar det Bayesianska ramverket för strukturella tidsserier för att skatta inte bara den genomsnittliga effekten av en intervention, utan även hur den effekten varierar över undergrupper eller individuella enheter. Genom att kombinera kontrafaktisk prediktion med skattning av villkorad genomsnittlig behandlingseffekt (CATE) avslöjar metoden vilka grupper som gynnas mest eller minst av en intervention.
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 ↗
- Athey, S., & Imbens, G. (2016). Recursive partitioning for heterogeneous causal effects. Proceedings of the National Academy of Sciences, 113(27), 7353-7360. DOI: 10.1073/pnas.1510489113 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Heterogeneous Treatment Effect Causal Impact Analysis. ScholarGate. https://scholargate.app/sv/causal-inference/heterogeneous-treatment-effect-causal-impact-analysis
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.
- Analys av kausal påverkanKausal inferens↔ jämför
- Heterogen effektskillnad-i-skillnad (HTE-DiD)Kausal inferens↔ jämför
- Avbruten tidsserieanalys (ITS)Kausal inferens↔ jämför
- Propensity score-matchningForskningsstatistik↔ jämför
- Syntetisk kontrollmetod (SCM)Kausal inferens↔ jämför
Similar methods
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →