📈 ดัชนีเศรษฐกิจ & สวัสดิการสังคม

👶 การวิเคราะห์สิทธิประโยชน์เงินอุดหนุนเด็กแรกเกิดระดับอำเภอทั่วประเทศไทย

Thailand Newborn Child Grant District Analytics, Geospatial Intelligence & Time Series Forecasting

📊 16 กราฟ🏛️ สนค. · สศอ. · พม. · วธ.

กราฟทั้งหมด

Interactive

ภาพนิ่ง

หัวข้อวิเคราะห์

🔍 การสำรวจและวิเคราะห์ข้อมูลเชิงลึก (In-Depth Exploratory Data Analysis: EDA)

การเปรียบเทียบระดับรายได้ครัวเรือนเฉลี่ยต่อปีของอำเภอทั่วประเทศ (บาท/ครัวเรือน/ปี)

ภาพรวมโครงสร้างครอบครัวและบทบาทผู้ปกครองเด็กแรกเกิด (Family & Guardian Overview)

การวิเคราะห์ช่องทางการลงทะเบียน: สัดส่วนการใช้งานและประสิทธิภาพความเร็ว (SLA)

การกระจายตัวของระยะเวลาดำเนินการตั้งแต่ยื่นคำขอจนได้รับเงิน (Lead Time) รายภูมิภาค

การกระจายตัวงบประมาณเงินอุดหนุนเด็กแรกเกิด 46 อำเภอตามกฎพาเรโต (Pareto Distribution)

📈 การวิเคราะห์อนุกรมเวลาและแนวโน้มเชิงลึก (Time Series, Seasonality & Forecasting)

แนวโน้มรายเดือน: งบประมาณการจ่ายเงินอุดหนุนและจำนวนเด็กแรกเกิดที่ได้รับสิทธิ์ (2020-2026)

การปรับเรียบแนวโน้มอนุกรมเวลาด้วย Moving Averages (3-Month & 6-Month SMA)

ภาพที่ 1

ภาพที่ 2

แผนภูมิพยากรณ์งบประมาณเงินอุดหนุนเด็กแรกเกิดล่วงหน้า 12 เดือน (Holt-Winters Forecasting)

🗺️ ภูมิสารสนเทศและแผนที่ประเทศไทย (Geospatial Intelligence & Minimal Thailand Map)

🗺️ Minimal Thailand District Map: การกระจายตัวของเด็กแรกเกิดและความลึกของความยากจน (46 อำเภอ) ขนาดจุด = จำนวนเด็กที่ได้รับสิทธิ์ (ฟองสบู่ขนาดใหญ่ = เด็กมาก) | สีของจุด = ระดับรายได้ครัวเรือนเฉลี่ย (โทนสีสว่าง/เหลือง = รายได้ต่ำสุด/เปราะบางวิกฤต, โทนสีเข้ม/ม่วง = รายได้สูงกว่า)

📊 การคาดการณ์จำนวนเด็กที่อายุครบ 6 ปีบริบูรณ์ (พ้นเกณฑ์เงินอุดหนุนเด็กแรกเกิด) ในอีก 5 ปีถัดไป (2027-2031) วิเคราะห์จากวันเกิดจริงของเด็กรายบุคคล (Unique Children: N=280) เพื่อเตรียมความพร้อมในการส่งต่อสู่ระบบสวัสดิการการศึกษาขั้นพื้นฐาน

การวิเคราะห์ความเหลื่อมล้ำระดับภูมิภาค (Regional Socio-Economic & Operational Disparity)

เมทริกซ์ 4 จตุภาคจัดลำดับความเร่งด่วนรายอำเภอ (Poverty Depth vs Service Lead Time)

🤖 การวิเคราะห์เชิงสถิติขั้นสูงและ Machine Learning (District Clustering & Delay Risk Classification)

การจัดกลุ่ม 46 อำเภอด้วย K-Means Clustering & 2D PCA Space

Top 10 ปัจจัยที่มีอิทธิพลต่อความล่าช้าในกระบวนการจ่ายเงิน (Random Forest Feature Importance)