Regression modelQuasi-experimental / causal inference

贝叶斯反事实影响评估

贝叶斯反事实影响评估通过构建反事实结果（即干预发生时会发生什么）的贝叶斯后验分布来估计干预的因果效应。该方法由 Brodersen 等人 (2015) 通过 CausalImpact 框架推广，使用在干预前时期拟合的贝叶斯结构时间序列模型来预测反事实轨迹，然后将观察到的干预后结果与该预测进行比较。

在 MethodMind 中打开即将推出Apply, compare, get guidance

Tools & resources

下载幻灯片

Learn & explore

视频即将推出

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

贝叶斯反事实影响评估

贝叶斯双重差分法因果影响分析反事实影响评估 (CIE)双重差分法 (Diff-in-Diff)合成控制法 (SCM)

来源

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 ↗

如何引用本页

ScholarGate. (2026, June 3). Bayesian Counterfactual Impact Evaluation. ScholarGate. https://scholargate.app/zh/causal-inference/bayesian-counterfactual-impact-evaluation

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

发现本页有问题？报告或提出修改建议 →