Phân tích Tác động Nhân quả Bayes
Phân tích Tác động Nhân quả Bayes sử dụng mô hình chuỗi thời gian cấu trúc Bayes (Bayesian structural time series - BSTS) để ước tính tác động nhân quả của một sự can thiệp lên một kết quả chuỗi thời gian. Được phát triển bởi Brodersen và cộng sự tại Google vào năm 2015, phương pháp này xây dựng một đối nghịch xác suất — điều gì sẽ xảy ra với chuỗi nếu không có sự can thiệp — từ dữ liệu trước can thiệp và các biến đồng hành kiểm soát tùy chọn, sau đó so sánh nó với các giá trị quan sát được sau can thiệp để tạo ra một phân bố hậu nghiệm hoàn toàn theo Bayes về tác động nhân quả.
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
- 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 ↗
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Bayesian Causal Impact Analysis via Structural Time Series. ScholarGate. https://scholargate.app/vi/causal-inference/bayesian-causal-impact-analysis
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.
- Phân tích Tác động Nhân quảSuy luận nhân quả↔ so sánh
- Phương pháp Sai phân kép (Difference-in-Differences - DiD)Kinh tế lượng↔ so sánh
- Phân tích chuỗi thời gian bị gián đoạn (ITS)Suy luận nhân quả↔ so sánh
- Phương pháp Kiểm soát Tổng hợp (SCM)Suy luận nhân quả↔ so sánh
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →