แบบจำลองอนุกรมเวลาโครงสร้างแบบเบย์เซียน
แบบจำลองอนุกรมเวลาโครงสร้างแบบเบย์เซียน (Bayesian Structural Time Series - BSTS) เป็นกรอบการสร้างแบบจำลองปริภูมิสถานะ (state-space modelling framework) ที่แนะนำโดย Scott และ Varian (2014) ซึ่งแยกอนุกรมเวลาออกเป็นองค์ประกอบที่บวกกันได้ ได้แก่ แนวโน้ม (trend) ฤดูกาล (seasonality) และการถดถอย (regression) และประมาณค่าองค์ประกอบเหล่านั้นร่วมกันผ่านการอนุมานแบบเบย์เซียน (Bayesian inference) เป็นพื้นฐานของไลบรารี CausalImpact ของ Google และเป็นเครื่องมือที่มีประสิทธิภาพสำหรับการพยากรณ์และการวิเคราะห์เชิงสาเหตุแบบตรงกันข้าม (counterfactual causal analysis) ของการแทรกแซง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Scott, S. L. & Varian, H. R. (2014). Predicting the Present with Bayesian Structural Time Series. International Journal of Mathematical Modelling and Numerical Optimisation, 5(1/2), 4–23. DOI: 10.1504/IJMMNO.2014.059942 ↗
- Brodersen, K. H., Gallusser, F., Koehler, J., Remy, N. & Scott, S. L. (2015). Inferring Causal Impact Using Bayesian Structural Time-Series Models. Annals of Applied Statistics, 9(1), 247–274. DOI: 10.1214/14-AOAS788 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Bayesian Structural Time Series Model. ScholarGate. https://scholargate.app/th/bayesian/bayesian-structural-time-series
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- แบบจำลอง ARIMA (Autoregressive Integrated Moving Average)เศรษฐมิติ↔ compare
- การถดถอยแบบเบย์ (Bayesian Regression)เบย์↔ compare
- การวิเคราะห์อนุกรมเวลาแบบขัดจังหวะ (Interrupted Time Series - ITS)การอนุมานเชิงสาเหตุ↔ compare
- Markov Chain Monte Carlo (MCMC)เบย์↔ compare
- แบบจำลองปริภูมิสถานะ (ตัวกรองคาลมาน)เศรษฐมิติ↔ compare