Regression modelQuasi-experimental / causal inference
多期因果效应分析
多期因果效应分析将 Brodersen 等人 (2015) 的贝叶斯结构时间序列框架扩展到干预发生在多个不同时期、以交错时间应用于不同单元，或者研究者希望在单一统一模型中评估累积效应和特定时期效应的情况下。它从对照协变量构建一个合成反事实，并将其投影到每个干预窗口以量化因果效应。
在 MethodMind 中打开即将推出Apply, compare, get guidance
Tools & resources
Learn & explore
视频即将推出
阅读完整方法
仅限会员
登录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。
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 ↗
- Bojinov, I., & Shephard, N. (2019). Time series experiments and causal estimands: exact randomization tests and trading. Journal of the American Statistical Association, 114(528), 1665-1682. DOI: 10.1080/01621459.2018.1527225 ↗
如何引用本页
ScholarGate. (2026, June 3). Multi-period Bayesian Causal Impact Analysis. ScholarGate. https://scholargate.app/zh/causal-inference/multi-period-causal-impact-analysis
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。
- 贝叶斯因果效应分析因果推断↔ 比较
- 因果影响分析因果推断↔ 比较
- 双重差分法 (Diff-in-Diff)计量经济学↔ 比较
- 中断时间序列（ITS）分析因果推断↔ 比较
- 多期中断时间序列因果推断↔ 比较
- 合成控制法 (SCM)因果推断↔ 比较