การวิเคราะห์ผลกระทบเชิงสาเหตุแบบเบย์ (Bayesian Causal Impact Analysis)
การวิเคราะห์ผลกระทบเชิงสาเหตุแบบเบย์ใช้แบบจำลองอนุกรมเวลาโครงสร้างแบบเบย์ (Bayesian structural time series - BSTS) เพื่อประมาณผลกระทบเชิงสาเหตุของการแทรกแซงต่ออนุกรมเวลาผลลัพธ์ พัฒนาโดย Brodersen และคณะที่ Google ในปี 2015 แบบจำลองนี้สร้างค่าตรงกันข้ามเชิงความน่าจะเป็น (probabilistic counterfactual) — ซึ่งแสดงว่าอนุกรมเวลาจะเป็นอย่างไรหากไม่มีการแทรกแซง — จากข้อมูลก่อนการแทรกแซงและตัวแปรร่วมควบคุม (control covariates) ที่เลือกได้ จากนั้นจึงเปรียบเทียบกับค่าที่สังเกตได้หลังการแทรกแซง เพื่อให้ได้ค่าผลกระทบเชิงสาเหตุแบบเบย์เต็มรูปแบบ (fully Bayesian posterior)
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Causal Impact Analysis via Structural Time Series. ScholarGate. https://scholargate.app/th/causal-inference/bayesian-causal-impact-analysis
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.
- การวิเคราะห์ผลกระทบเชิงสาเหตุการอนุมานเชิงสาเหตุ↔ compare
- Difference-in-Differences (DiD)เศรษฐมิติ↔ compare
- การวิเคราะห์อนุกรมเวลาแบบขัดจังหวะ (Interrupted Time Series - ITS)การอนุมานเชิงสาเหตุ↔ compare
- ระเบียบวิธีสังเคราะห์การควบคุม (Synthetic Control Method - SCM)การอนุมานเชิงสาเหตุ↔ compare