Đánh giá Tác động Phản thực tế Bayes
Đánh giá Tác động Phản thực tế Bayes ước tính hiệu quả nhân quả của một sự can thiệp bằng cách xây dựng một phân phối hậu nghiệm Bayes trên kết quả phản thực tế — những gì đã xảy ra nếu không có điều trị. Phương pháp này, được phổ biến bởi Brodersen và cộng sự (2015) thông qua khuôn khổ CausalImpact, sử dụng các mô hình chuỗi thời gian cấu trúc Bayes được điều chỉnh trên giai đoạn trước can thiệp để dự đoán quỹ đạo phản thực tế, sau đó so sánh các kết quả quan sát được sau can thiệp với dự đoán đó.
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 ↗
- Rubin, D. B. (2005). Causal inference using potential outcomes: Design, modeling, decisions. Journal of the American Statistical Association, 100(469), 322-331. DOI: 10.1198/016214504000001880 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Bayesian Counterfactual Impact Evaluation. ScholarGate. https://scholargate.app/vi/causal-inference/bayesian-counterfactual-impact-evaluation
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.
- Difference-in-Differences (DiD) kiểu BayesSuy luận nhân quả↔ so sánh
- Phân tích Tác động Nhân quảSuy luận nhân quả↔ so sánh
- Đánh giá Tác động Phản thực tế (CIE)Suy luận nhân quả↔ so sánh
- Phương pháp Sai phân kép (Difference-in-Differences - DiD)Kinh tế lượng↔ so sánh
- Phương pháp Kiểm soát Tổng hợp (SCM)Suy luận nhân quả↔ so sánh
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →