เปรียบเทียบวิธี

	การประเมินนโยบาย การวิเคราะห์ผลกระทบเชิงสาเหตุ	ระเบียบวิธีสังเคราะห์การควบคุม (Synthetic Control Method - SCM)
สาขาวิชา	การอนุมานเชิงสาเหตุ	การอนุมานเชิงสาเหตุ
ตระกูล	Regression model	Regression model
ปีกำเนิด	2015	2003–2010
ผู้ริเริ่ม	Brodersen, Gallusser, Koehler, Remy & Scott (2015); adapted for policy evaluation contexts	Alberto Abadie & Javier Gardeazabal (2003); Abadie, Diamond & Hainmueller (2010)
ประเภท	Bayesian counterfactual / time-series	Quasi-experimental causal inference
แหล่งต้นตำรับ	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.	Abadie, A., Diamond, A., & Hainmueller, J. (2010). Synthetic Control Methods for Comparative Case Studies: Estimating the Effect of California's Tobacco Control Program. Journal of the American Statistical Association, 105(490), 493-505.
ชื่อเรียกอื่น	policy causal impact, BSTS policy evaluation, Bayesian policy impact assessment, CIA policy evaluation	SCM, synthetic control, synth estimator, Abadie-Diamond-Hainmueller method
ที่เกี่ยวข้อง	6	4
สรุป	Policy Evaluation Causal Impact Analysis applies the Bayesian structural time-series (BSTS) framework of Brodersen et al. (2015) to estimate the causal effect of a policy intervention on aggregate outcomes. By constructing a synthetic counterfactual from pre-policy data and control covariates, it asks: what would have happened had the policy not been enacted? The difference between observed and predicted post-policy outcomes is the estimated policy effect.	The Synthetic Control Method estimates the causal effect of a treatment or policy on a single treated unit by constructing a weighted combination of untreated units — the synthetic control — that closely resembles the treated unit before the intervention. The gap between the treated unit and its synthetic counterpart after the intervention is the estimated treatment effect.