Nedensel Etki Analizi

DiD, bir müdahale grubu ve bir kontrol grubu birimleri arasındaki ortalama değişiklikleri karşılaştırır. Nedensel Etki, tek bir müdahale edilmiş zaman serisi üzerinde çalışır ve Bayesçi bir durum-uzay modeli kullanarak kontrol kovaryant serilerinden sentetik bir karşı-olgusal oluşturur. Nedensel Etki ayrıca nokta tahminleri yerine tam sonsal dağılımlar sağlar ve doğal olarak eğilim ve mevsimselliği barındırır.

Yaygın bir kılavuz, müdahale öncesi pencerenin müdahale sonrası pencereden en az üç kat daha uzun olmasıdır. Daha uzun müdahale öncesi dönemler, BSTS modelinin zaman serisi yapısını ve kontrollerle olan ilişkiyi daha güvenilir bir şekilde öğrenmesini sağlar. Çok kısa müdahale öncesi pencereler (30 zaman noktasından az) genellikle yetersizdir.

Yöntem, yerel seviye eğilim modeli ve kovaryant olmadan çalışabilir, ancak karşı-olgusal o zaman yalnızca müdahale öncesi sonuç yörüngesinin ileriye doğru ekstrapolasyonuna dayanacaktır. Kontroller olmadan, müdahale ile ilgisi olmayan herhangi bir müdahale sonrası şok, bir müdahale etkisi gibi görünebilir, bu da kararlı bir eğilim varsayımını özellikle zorlayıcı hale getirir.

Kümülatif etkinin etkinin yönüyle tutarlı bir işarete sahip olma olasılığıdır (örneğin, pozitif). Yüksek bir sonsal olasılık, sıfırı dışlayan bir güven aralığıyla birlikte, gerçek bir etkinin kanıtını gösterir. Klasik bir p-değeri değildir ve öyle muamele görmemelidir.

Evet. BSTS modeli, müdahale öncesi verilerden tahmin edilen ve karşı-olgusal olarak ileriye doğru projeksiyonlanan haftalık, aylık veya özel mevsimsel bileşenleri destekler. Zaman seriniz güçlü mevsimsellik gösteriyorsa, iyi kalibre edilmiş bir karşı-olgusal için doğru mevsimsel dönemi belirtmek önemlidir.