¿Es posible predecir el periodo anterior a la intervención en lugar del periodo posterior utilizando la función CausalImpact de Google?

Question

Quiero utilizar la función de impacto causal de Google para imputar el efecto de una intervención. Sin embargo, mis datos están estructurados de la siguiente manera: pre-periodo=1991-1995, se produce la interveción, post-periodo=1996-2017. Para aclarar, la intervención es la entrada de un nuevo comprador en el mercado. Quiero comprobar si la demanda del nuevo comprador modificó la producción. Así que quiero imputar el contrafactual para 1991-1995 como si el comprador estuviera siempre en el mercado.

Dado que dispongo de muchos más años de datos posteriores al intervetnio, creo que sería más seguro entrenar con los datos posteriores al intervetnio e intentar hacer un backcast de los datos anteriores al intervetnio.

¿Alguien sabe si esto es posible utilizando la función CausalImpact? ¿Alguien conoce una función o recurso mejor?

Gracias.

Answer 1

Esto es técnicamente posible revirtiendo las series temporales, y tiene sentido dado el corto periodo previo real (que muy probablemente no dará suficiente potencia para ajustar un modelo razonable).

Sin embargo, la interpretación del modelo ajustado puede resultar complicada. Al menos no debería contener ningún componente autorregresivo (ya que esto significaría explicar la producción pasada basándose en la producción futura), es decir, basarse únicamente en las covariables para la predicción. Además, hay que comprobar si la reversibilidad parece una hipótesis plausible para el conjunto de datos en cuestión:

• ¿Podrían haberse observado también las series temporales de producción en orden inverso?
• ¿Es de esperar que la desaparición de un comprador del mercado tenga el efecto contrario a la aparición de un nuevo comprador?