Chuỗi thời gian cấu trúc Bayes
Chuỗi thời gian cấu trúc Bayes (BSTS) là một khuôn khổ mô hình hóa trạng thái-không gian, được giới thiệu bởi Scott và Varian (2014), phân tách một chuỗi thời gian thành các thành phần cộng tính — xu hướng, tính thời vụ và hồi quy — và ước lượng chúng đồng thời thông qua suy luận Bayes. Nó là nền tảng cho thư viện CausalImpact của Google và là một công cụ mạnh mẽ cho cả dự báo và phân tích nhân quả phản thực tế của các can thiệp.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
Nguồn tài liệu
- Scott, S. L. & Varian, H. R. (2014). Predicting the Present with Bayesian Structural Time Series. International Journal of Mathematical Modelling and Numerical Optimisation, 5(1/2), 4–23. DOI: 10.1504/IJMMNO.2014.059942 ↗
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 1). Bayesian Structural Time Series Model. ScholarGate. https://scholargate.app/vi/bayesian/bayesian-structural-time-series
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Mô hình ARIMA (Autoregressive Integrated Moving Average)Kinh tế lượng↔ so sánh
- Hồi quy BayesBayes↔ so sánh
- Phân tích chuỗi thời gian bị gián đoạn (ITS)Suy luận nhân quả↔ so sánh
- Chuỗi Markov Monte Carlo (MCMC)Bayes↔ so sánh
- Mô hình không gian trạng thái (Bộ lọc Kalman)Kinh tế lượng↔ so sánh
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →