利用多元贝叶斯结构时间序列模型估计竞争产品永久降价的有效性
应用统计
2021-02-23 v4 统计方法学
摘要
一家意大利超市连锁企业在佛罗伦萨的分店近期实施了一项策略，在多个产品类别中永久下调众多自有品牌的价格。为量化此类政策变动的影响，研究者常使用合成控制方法估计因果效应，即当部分单元接受单一持续性处理、其余单元不受变动影响时。然而在我们的应用中，由于替代效应，未被分配处理的竞争品牌很可能受到干预的影响；更广泛地说，当某一单元的处理分配影响另一单元的结果时，就会发生此类干扰。本文扩展合成控制方法以适应部分干扰，允许预定义组内的干扰但组间不允许。聚焦于一类既能捕捉处理单元也能捕捉控制单元效应的因果估计量，我们开发了多元贝叶斯结构时间序列模型来生成若未发生干预本应出现的合成控制，从而得以估计我们的新效应。在模拟研究中，我们探究了贝叶斯程序的经验性质，并表明即便模型设定错误，它也能取得良好的频率学派覆盖。我们利用新提出的方法对受影响自有品牌及其直接竞争者的销售影响作出因果论断。我们提出的方法已在 CausalMBSTS R 包中实现。
引用
@article{arxiv.2006.12269,
title = {Estimating the effectiveness of permanent price reductions for competing products using multivariate Bayesian structural time series models},
author = {Fiammetta Menchetti and Iavor Bojinov},
journal= {arXiv preprint arXiv:2006.12269},
year = {2021}
}
备注
21 pages; further robustness checks