贝叶斯结构时间序列

贝叶斯结构时间序列（BSTS）模型是一种统计技术，用于特征选择、时间序列预测、现在预测、推断因果影响和其他应用。该模型被设计用于处理时间序列数据。该模型在分析性营销领域也有很好的应用前景。特别是，它可以用来评估不同的营销活动对网络搜索量、产品销售、品牌知名度和其他相关指标的变化有多大贡献。差别模型和中断时间序列设计是这种方法的替代方案。与经典的差分方案相比，状态空间模型使其有可能(i)推断出可归属影响的时间演变，(ii)在完全贝叶斯的处理中纳入参数的经验预设，以及(iii)灵活地适应多种变化来源，包括同期协变量即合成控制的时间变化影响。

该模型由三个主要部分组成。卡尔曼滤波器。时间序列分解的技术。在这一步，研究者可以添加不同的状态变量：趋势、季节性、回归和其他。尖峰和板块法。在这一步，选择最重要的回归预测因子。贝叶斯模型平均法。结合结果和预测计算。该模型可用于发现其反事实预测和观察数据的因果关系。该模型的一个可能的缺点可能是其相对复杂的数学基础和作为一个计算机程序的困难实现。然而，编程语言R有现成的计算BSTS模型的软件包，不需要研究人员有很强的数学背景。