贝叶斯结构时间序列 - 用bsts包估计状态空间模型

Question

我对CausalImpact包的某些输出的解释有疑问。该软件包使用贝叶斯结构时间序列包测试，它使用MCMC估计状态空间模型。

示例：

 library(CausalImpact)
 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)
 #plot(impact)

 names(impact$model$bsts.model)

该示例估计具有局部线性趋势和回归分量的状态空间模型。请参阅以下命令的输出，该命令显示趋势; x2是回归分量。

 StateSizes(impact$model$bsts.model$state.specification) 

我的问题涉及bsts.model对象的2个元素：final.state和state贡献。

final.state<-data.frame(impact$model$bsts.model$final.state)
state.contribution<-data.frame(impact$model$bsts.model$state.contributions)

，其中每行用于MCMC的1次迭代（运行1000次迭代）。

这些产出的解释是什么？

谢谢