Phân tích Tác động Nhân quả
Phân tích Tác động Nhân quả (Causal Impact Analysis), được giới thiệu bởi Brodersen và cộng sự (2015) tại Google, sử dụng các mô hình chuỗi thời gian cấu trúc Bayes để ước tính điều gì sẽ xảy ra với một kết quả nếu một sự can thiệp chưa từng xảy ra. Bằng cách xây dựng một phản thực tế xác suất từ dữ liệu trước can thiệp và các biến đồng hành kiểm soát, nó định lượng các tác động điều trị tại một thời điểm và tích lũy với các khoảng tin cậy hậu nghiệm đầy đủ.
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.
+13 nữa
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 ↗
- CausalImpact. Wikipedia. link ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Bayesian Structural Time-Series Causal Impact Analysis. ScholarGate. https://scholargate.app/vi/causal-inference/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.
- Chuỗi thời gian cấu trúc BayesBayes↔ 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
- Ghép cặp điểm xu hướngThống kê nghiên cứu↔ 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 →