减少因果影响模型中的可信区间

Question

我正在构建的因果影响模型遇到了问题。

我正在尝试为一家商店的每日销售情况创建一个反事实（nseasons = 7）。我已包含附近其他 5 家商店的销售额。观察线图，在我看来，15 个月期间的趋势相似。

当我运行因果影响模型时，CI 带非常宽。

对于如何降低 CI 有什么建议吗？除了向模型添加更多时间序列之外还有什么？在贝叶斯模型中拥有广泛的 CI（即可信度与置信度）有多大问题？

这是代码：

CausalImpact（销售，前期，后期，model.args =列表（niter = 1000，nseasons = 7））

任何方向将不胜感激！

Answer 1

您在其他地方得到答案了吗？您可以向

model.args

列表添加一个名为

prior.level.sd

的附加参数。该值通常介于 0.01 和 0.1 之间。将其设置为较低的值可以减少可信区间，但如果您的测试时间序列不稳定，通常建议将其设置为 0.1，这会增加可信区间的宽度。