CausalImpact R包-如何从输出中计算反事实时间序列？

Question

我正在使用CasualImpact R软件包，我想在估计后从输出中获得反事实/控制时间序列。我运行以下代码，它与包的网站上的示例代码基本相同。

set.seed(1)
x1 <- 100 + arima.sim(model = list(ar = 0.999), n = 100)
y <- 1.2 * x1 + rnorm(100)
y[71:100] <- y[71:100] + 10
data <- cbind(y, x1)
pre.period <- c(1, 70)
post.period <- c(71, 100)
impact <- CausalImpact(data, pre.period, post.period)

局部线性趋势是在

impact$model$bsts.model$state.contributions 

而系数的绘制应该是在

impact$model$bsts.model$coefficients

所以我跑了

trend=colMeans(impact$model$bsts.model$state.contributions[1:1000,1,1:100])
trend+mean(impact$model$bsts.model$coefficients[1:1000,2])*x1

来获得反事实的时间序列，然而，在使用

plot(impact)

谁能告诉我怎样才能找回反事实的时间序列？

提前感谢！

Answer 1

可以在以下位置找到整个时间序列(干预前和干预后)的点预测

impact$series

在point.pred列中。反事实是在该专栏的post.period部分中出现的点预测的一部分。impact$series为plot(impact)中的所有三个图表提供数据。