การวิเคราะห์ผลกระทบเชิงสาเหตุ
การวิเคราะห์ผลกระทบเชิงสาเหตุ (Causal Impact Analysis) ซึ่งนำเสนอโดย Brodersen และคณะ (2015) ที่ Google ใช้แบบจำลองอนุกรมเวลาเชิงโครงสร้างแบบเบย์ (Bayesian structural time-series models) เพื่อประมาณการว่าจะเกิดอะไรขึ้นกับผลลัพธ์หากไม่มีการแทรกแซง โดยการสร้างสถานการณ์สมมติเชิงความน่าจะเป็น (probabilistic counterfactual) จากข้อมูลก่อนการรักษา (pre-treatment data) และตัวแปรร่วมควบคุม (control covariates) แบบจำลองนี้จะวัดผลกระทบของการรักษาทั้งในจุดเวลาที่กำหนดและผลสะสม โดยมีช่วงความไม่แน่นอนของความน่าจะเป็นทั้งหมด (full posterior uncertainty intervals).
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+13 more
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 ↗
- CausalImpact. Wikipedia. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Structural Time-Series Causal Impact Analysis. ScholarGate. https://scholargate.app/th/causal-inference/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.
- แบบจำลองอนุกรมเวลาโครงสร้างแบบเบย์เซียนเบย์↔ compare
- Difference-in-Differences (DiD)เศรษฐมิติ↔ compare
- การวิเคราะห์อนุกรมเวลาแบบขัดจังหวะ (Interrupted Time Series - ITS)การอนุมานเชิงสาเหตุ↔ compare
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ compare
- ระเบียบวิธีสังเคราะห์การควบคุม (Synthetic Control Method - SCM)การอนุมานเชิงสาเหตุ↔ compare