×
宁、波；Ghosal，Subhashis公司；杰维尔·托马斯

空间相关多元时间序列因果推断的贝叶斯方法。 （英语） Zbl 1409.62178号

贝叶斯分析。 14，第1号，1-28（2019）.
摘要：衡量广告活动对销售的因果影响是广告公司的一项重要任务。当公司在多个空间相关的门店开展广告活动时，以及当销售数据的信噪比较低，使得广告效果难以检测时，就会出现挑战。本文提出了解决这两个挑战的解决方案。提出了一种新的贝叶斯方法来检测较弱的影响，并使用多元结构时间序列模型通过在精度矩阵上放置\（\mathcal｛G｝\）-Wishart先验来捕捉商店之间的空间相关性。新方法是比较一个潜在变量的两个后验分布，一个是使用测试存储中的观察数据获得的，另一个是通过使用其反事实潜在结果中的数据获得的。反事实的潜在结果是根据综合控制的数据估计的，每个控制都是因果期内许多控制商店的销售数字的线性组合。使用修订的期望最大化变量选择（EMVS）方法选择控制存储。提出了一种两阶段算法来估计模型的参数。为了防止预测区间具有爆炸性，通过最近提出的先验对模型的局部线性趋势施加平稳性约束。本文讨论了使用此先验知识的好处。详细的仿真研究表明，使用我们提出的方法检测较弱的因果影响是有效的。新方法被应用于衡量大型全国零售连锁店销售的消费品广告活动的因果效应。

引用于5文件

MSC公司：

62米10 统计学中的时间序列、自相关、回归等（GARCH）
2015年1月62日 贝叶斯推断
62第20页 统计学在经济学中的应用

关键词：

广告宣传活动；贝叶斯变量选择；因果推断；图形模型；平稳性；时间序列

软件：

EMVS公司；因果影响
PDF格式BibTeX公司 XML格式引用
\textit{B.Ning}等人，贝叶斯分析。14，第1号，1--28（2019；Zbl 1409.62178）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Abadie，A.（2005）。半参数差分估计量。《经济研究评论》72，1-19·Zbl 1112.62132号 ·电话：10.1111/0034-6527.00321
[2] Abadie，A.和J.Gardeazabal（2003年）。冲突的经济代价：巴斯克国家的个案研究。《美国经济评论》105，113-132。
[3] Atay-Kayis，A.和H.Massam（2005年）。计算不可分解高斯图形模型中边际似然的蒙特卡罗方法。生物特征92、317-335·Zbl 1094.62028号 ·doi:10.1093/biomet/92.2.317
[4] Barber，R.F.和M.Drton（2015）。基于贝叶斯信息准则的高维伊辛模型选择。电子统计杂志9，249-275·Zbl 1309.62050号 ·doi:10.1214/15-EJS1012
[5] Bojinov，I.和N.Shephard（2017年）。时间序列实验和因果估计：精确随机测试和交易。Arxiv:1706.07840v2·Zbl 1428.62385号
[6] Bonhome，S.和U.Sauder（2011年）。恢复不同差异模型中的分布：选择性和综合性学校教育的比较。《经济学与统计学评论》93（2），479-494。
[7] Brodersen、K.H.、F.Gaullusser、J.Koehler、N.Remy和S.L.Scott（2015）。使用贝叶斯结构时间序列模型推断因果影响。应用统计年鉴9，247-274·兹比尔1454.62473 ·doi:10.1214/14-AOAS788
[8] de Jong，P.（1991）。漫反射卡尔曼滤波器。统计年鉴19，1073-1083·兹比尔074262093 ·doi:10.1214/aos/1176348139
[9] de Jong，P.和S.Chu-Chun-Lin（1994年）。静态和非静态状态空间模型。时间序列分析杂志15，151-166·Zbl 0794.62056号 ·doi:10.1111/j.1467-9892.1994.tb00182.x
[10] Ding，P.和F.Li（2017）。因果推断：缺少数据透视图。统计科学（即将出版）·Zbl 1397.62125号 ·doi:10.1214/18-STS645
[11] Donald，S.G.和K.Lang（2007年）。用差异和其他面板数据进行推断。《经济学与统计评论》89，221-233。
[12] Doudchenko，N.和G.W.Imbens（2016年）。平衡、回归、差分和综合控制方法：综合。NBER第22791号工作文件。
[13] Durbin，J.和S.J.Koopman（2002年）。用于状态空间时间序列分析的简单高效模拟平滑器。生物特征89，603-615·Zbl 1036.62071号 ·doi:10.1093/biomet/89.3.603
[14] Durbin，J.和S.J.Koopman（2012年）。状态空间法时间序列分析：第二版。牛津OX2 6DP大克拉伦登街：牛津大学出版社·Zbl 1270.62120号
[15] Galindo-Garre，F.和J.K.Vermunt（2006年）。利用贝叶斯后验模式估计避免潜在类分析中的边界估计。行为测量33，43-59·Zbl 1102.62024号 ·doi:10.2333/bhmk.33.43
[16] Gelfand，A.E.、A.F.M.Smith和T.M.Lee（1992年）。使用吉布斯抽样对约束参数和截断数据问题进行贝叶斯分析。美国统计协会杂志87，523-532。
[17] George，E.I.和R.E.McCulloch（1993）。通过吉布斯采样进行变量选择。《美国统计协会杂志》88（423），881-889。
[18] Gunn，L.H.和D.B.Dunson（2005）。用于合并单调或单峰约束的转换方法。生物统计学6344-49·Zbl 1071.62101号 ·doi:10.1093/biostatistics/kxi020
[19] Harvey，A.C.和S.Peters（1990年）。结构时间序列模型的估计程序。《预测杂志》9，89-108。
[20] Holland，P.W.（1986）。统计学和因果推断。《美国统计协会杂志》81，945-960·Zbl 0607.62001 ·doi:10.1080/01621459.1986.10478354
[21] Imbens，G.W.和D.B.Rubin（2015）。统计学、社会学和生物医学科学的因果推断：导论。美国纽约州纽约市：剑桥大学出版社·兹比尔1355.62002
[22] Khare，K.、B.Rajaratnam和A.Saha（2015年）。高斯图形模型超越可分解图的贝叶斯推理。阿西夫：1505.00703·兹比尔1398.62063 ·doi:10.1111/rssb.12276
[23] Koopman，S.J.（1997）。非平稳时间序列模型的精确初始卡尔曼滤波和平滑。美国统计协会杂志921630-1638·Zbl 0912.62103号 ·doi:10.1080/01621459.1997.10473685
[24] Lauritzen，S.L.（1996）。图形模型。美国纽约：牛津大学出版社·Zbl 0907.62001
[25] Li，F.，T.Zhang，Q.Wang，M.Z.Gonzalez，E.L.Maresh和J.A.Coan（2015）。高维尺度图像回归的空间贝叶斯变量选择和分组。应用统计年鉴9，687-713·Zbl 1397.62458号 ·doi:10.1214/15-AOAS818
[26] Mitsakakis，N.、H.Massam和M.D.Escobar（2011年）。基于Metropolis-Hastings的高斯图形模型中G-Wishart分布抽样方法。电子统计杂志5，18-30·Zbl 1274.65009号 ·doi:10.1214/11-EJS594
[27] Mohammadi，A.和E.C.Wit（2015）。稀疏高斯图形模型中的贝叶斯结构学习。贝叶斯分析10，109-138·兹比尔1335.62056 ·doi:10.1214/14-BA889
[28] Ning，B.、S.Ghosal和J.Thomas（2019a）。对“空间相关多变量时间序列中因果推断的贝叶斯方法”的补充。贝叶斯分析·Zbl 1409.62178号
[29] Ning，B.、S.Ghosal和J.Thomas（2019b）。“空间相关多元时间序列因果推断的贝叶斯方法”的R代码。贝叶斯分析·Zbl 1409.62178号 ·doi:10.1214/18-BA1102
[30] Ročková，V.和E.I.George（2014）。EMVS：贝叶斯变量选择的EM方法。《美国统计协会杂志》109（506），828-846·Zbl 1367.62049号 ·doi:10.1080/01621459.2013.869223
[31] Rosenbaum，P.R.（2007）。随机实验中单位之间的干扰。《美国统计协会杂志》102，191-200·Zbl 1284.62494号 ·doi:10.1198/0162145000001112
[32] Roverato，A.（2000年）。超逆Wishart矩阵的Cholesky分解。生物统计学87，99-112·Zbl 0974.62047号 ·doi:10.1093/生物技术/87.199
[33] Roverato，A.（2002年）。不可分解图的超逆Wishart分布及其在高斯图形模型贝叶斯推理中的应用。斯堪的纳维亚统计杂志29，391-411·Zbl 1036.62027号 ·doi:10.1111/1467-9469.00297
[34] Roy，A.、T.S.McElroy和P.Linton（2016年）。因果可逆VARMA模型的约束估计。《中国统计》（即将出版）·Zbl 1412.62123号
[35] 鲁宾，D.B.（1974）。在随机和非随机研究中估计治疗的因果效应。《教育心理学杂志》66，688-701。
[36] Rubin，D.B.（1977年）。根据协变量分配给治疗组。教育统计杂志2，1-26。
[37] Rubin，D.B.（2005）。使用潜在结果进行因果推断：设计、建模、决策。美国统计协会杂志100，322-331·Zbl 1117.62418号 ·doi:10.1198/0162145000001880
[38] Smith，M.和L.Fahrmeir（2007年）。空间贝叶斯变量选择及其在功能磁共振成像中的应用。《美国统计协会杂志》102，417-431·Zbl 1134.62322号 ·doi:10.1198/016214500000031
[39] Stein，P.（1952年）。迭代器的一些一般定理。国家标准局研究期刊48，82-83。
[40] Stuart，E.A.（2010年）。因果推理的匹配方法：回顾与展望。统计科学25，1-21·Zbl 1328.62007号 ·doi:10.1214/09-STS313
[41] Ueda，N.和R.Nakano（1998年）。确定性退火EM算法。神经网络11，271-282。
[42] Uhler，C.、A.Lenkoskiy和D.Richardsz（2017年）。图形模型Wishart分布归一化常数的精确公式。《统计年鉴》46，90-118·Zbl 1392.62146号
[43] Wang，H.和S.Z.Li（2012）。G-Wishart先验分布下的高效高斯图形模型确定。电子统计杂志6168-198·Zbl 1335.62069号 ·doi:10.1214/12-EJS669
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。