Policy Evaluation Causal Impact Analysis
Policy Evaluation Causal Impact Analysis tillämpar det Bayesianska ramverket för strukturella tidsserier (BSTS) enligt Brodersen et al. (2015) för att skatta den kausala effekten av en policyintervention på aggregerade utfall. Genom att konstruera en syntetisk kontrafaktisk situation från data före policyn och kontrollkovariater, ställer den frågan: vad skulle ha hänt om policyn inte hade införts? Skillnaden mellan observerade och predikterade utfall efter policyn är den skattade policyeffekten.
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 ↗
- Abadie, A., Diamond, A., & Hainmueller, J. (2010). Synthetic control methods for comparative case studies: Estimating the effect of California's tobacco control program. Journal of the American Statistical Association, 105(490), 493-505. DOI: 10.1198/jasa.2009.ap08746 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Policy Evaluation Causal Impact Analysis via Bayesian Structural Time-Series. ScholarGate. https://scholargate.app/sv/causal-inference/policy-evaluation-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.
- Bayesiansk kausalitetsanalysKausal inferens↔ jämför
- Analys av kausal påverkanKausal inferens↔ jämför
- Differens-i-differens (DiD)Ekonometri↔ jämför
- Avbruten tidsserieanalys (ITS)Kausal inferens↔ jämför
- Policyutvärdering med avbruten tidsserieKausal inferens↔ jämför
- Syntetisk kontrollmetod (SCM)Kausal inferens↔ jämför
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →