使用贝叶斯结构时间序列模型推断因果影响

Jun, 2015

使用贝叶斯结构时间序列模型推断因果影响

Inferring causal impact using Bayesian structural time-series models

Kay H. Brodersen, Fabian Gallusser, Jim Koehler, Nicolas Remy, Steven L. Scott

TL;DR本文提出了一种基于扩散回归状态空间模型的方法，用于推断经济学干预措施对于市场结果指标的因果影响，相较于差异 - 差异方案，该模型有助于灵活适应多种变异来源，并在模拟和实际数据上进行了验证。

Abstract

An important problem in econometrics and marketing is to infer the causal impact that a designed market intervention has exerted on an outcome metric over time. This paper proposes to infer causal impact on the basis of a diffusion-regression state-space model that predicts the counter

causal impact state-space models counterfactual market response empirical priors online advertising

发现论文，激发创造

状态空间模型下的非平稳环境因果发现与预测

本研究针对非平稳时间序列的因果关系发现和预测问题，提出了一种基于状态空间模型的方法，利用非平稳的性质来确定因果结构，将预测问题视为因果模型的贝叶斯推断问题，并在合成数据和真实数据集上进行了实验验证。

May, 2019

状态空间模型的 Granger 因果性

通过求解离散代数里卡蒂方程，可以直接从状态空间模型参数中简单计算时域和频域的 Granger 因果关系，这种方法比纯自回归估计器具有更大的统计能力和更小的偏差。

Jan, 2015

利用时空数据进行因果推论：伊拉克空袭对叛乱暴力影响的估计

本篇研究介绍了一种完整的因果推断方法，可以针对时空偏离的介入变量和观测变量生成的数据进行处理，并使用马丁格尔理论提出了一种可靠估计方法。此外，还在实际案例中分析了美国空袭对于伊拉克叛乱事件造成影响的情况。

Mar, 2020

利用粒子 MCMC 对高斯过程状态空间模型进行贝叶斯推断和学习

通过向状态转移动力学分布中添加高斯过程先验，结合分析型建模和蒙特卡罗采样器进行直接联合平滑分布推断的方法，提出了一种非线性非参数状态空间模型的完全贝叶斯方法。

Jun, 2013

从时间序列数据中发现结构因果模型的混合物

从混合不同因果模型的时间序列数据中，利用证据下界最大化的方法进行因果发现，经过实验证明在探测来自不同因果图的数据时，该方法优于现有基准模型。

Oct, 2023

马尔可夫决策过程中的反事实影响

我们的工作解决了马尔可夫决策过程中反事实推断的基本问题，介绍了基于对比反事实和干预分布的影响比较的算法构建反事实模型，并推导出非最优政策以适应观察路径时的影响约束。

Feb, 2024

使用结构化状态空间模型进行反事实结果预测

本文比较了两种模型 TE-CDE 和 S4Model 在对于 counterfactual outcome prediction in longitudinal data 的任务中的表现，其中发现 S4Model 比 TE-CDE 更加高效和有效，具有更好的性能。

May, 2023

状态空间模型的黑箱变分推断

通过应用随机变分推断方法，提出一种结构化高斯近似后验，用于近似后验更普遍、非线性的潜变量生成模型，且相较于特定非共轭模型的定制化变分方法具有更好的表现；该方法旨在用于潜在动态结构模型的黑盒近似推断。

Nov, 2015

具有隐含因果效应分离的神经状态空间建模

本文介绍了一种用于重建生理系统中微弱信号的新技术，通过显式建模和分离潜在内部干预对系统的潜在状态产生的影响，并通过推断隐藏的内部干预来实现对本机干预的动态的建模，从而重建招发生在心脏电学传导中的异常事件，并演示了其在电学传导中的应用（使用深度学习，时间序列和状态空间模型）。

Sep, 2022

应用计量经济学的现状 - 因果关系和政策评估

这篇论文讨论了计量经济学的三个主要领域，分别是政策评估、识别策略和机器学习。论文详细解释了在每个领域中应用的最新技术以及建议。

Jul, 2016