Машинне навчання для аналізу причинно-наслідкових впливів
Машинне навчання для аналізу причинно-наслідкових впливів поєднує квазіекспериментальне контрфактичне міркування з гнучкими моделями прогнозування на основі машинного навчання для оцінки причинного впливу втручання на часовий ряд результату. Базуючись на фреймворку байєсівських структурних часових рядів (BSTS) Brodersen et al. та розширений методами подвійного/знешумленого ML, він конструює синтетичний контрфактичний сценарій з донорських коваріат і визначає ефект лікування як розрив між спостережуваними та прогнозованими результатами після втручання.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
- Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, C., Newey, W., & Robins, J. (2018). Double/debiased machine learning for treatment and structural parameters. The Econometrics Journal, 21(1), C1-C68. DOI: 10.1111/ectj.12097 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Machine Learning-Augmented Causal Impact Analysis. ScholarGate. https://scholargate.app/uk/causal-inference/machine-learning-augmented-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.
- Аналіз причинно-наслідкового впливуПричинно-наслідковий висновок↔ compare
- Різниця різниць (Diff-in-Diff)Економетрика↔ compare
- Подвійне робастне оцінювання (AIPW)Причинно-наслідковий висновок↔ compare
- Аналіз перерваних часових рядів (ITS)Причинно-наслідковий висновок↔ compare
- Панельне дослідження подійПричинно-наслідковий висновок↔ compare
- Метод синтетичного контролю (SCM)Причинно-наслідковий висновок↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →