ScholarGate
Avustaja
Regression modelQuasi-experimental / causal inference

Dynaaminen keskeytetty aikasarja

Dynaaminen keskeytetty aikasarja (Dynamic ITS) laajentaa standardia ITS-mallia sallimalla interventioiden vaikutusten rakentua, heiketä tai muuttua useiden aikaviiveiden yli sen sijaan, että oletettaisiin yhden hetkellisen tason muutoksen. Se arvioi, miten intervention vaikutus kehittyy ajanjaksojen aikana, mikä tekee siitä erityisen sopivan kansanterveyden, terveyspalvelututkimuksen ja politiikan arvioinnin aloille, joilla vaikutukset kertyvät vähitellen tai heikkenevät alkuperäisen vaikutuksen jälkeen.

Avaa sovelluksessa MethodMindTulossaVideoTulossaLataa diat

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Menetelmäkartta

Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.

Lähteet

  1. Lopez Bernal, J., Cummins, S., & Gasparrini, A. (2017). Interrupted time series regression for the evaluation of public health interventions: a tutorial. International Journal of Epidemiology, 46(1), 348-355. DOI: 10.1093/ije/dyw098
  2. Wagner, A. K., Soumerai, S. B., Zhang, F., & Ross-Degnan, D. (2002). Segmented regression analysis of interrupted time series studies in medication use research. Journal of Clinical Pharmacy and Therapeutics, 27(4), 299-309. DOI: 10.1046/j.1365-2710.2002.00430.x

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Dynamic Interrupted Time Series Analysis. ScholarGate. https://scholargate.app/fi/causal-inference/dynamic-interrupted-time-series

Mikä menetelmä?

Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.

Vertaa rinnakkain

Tähän viittaavat

ScholarGateDynamic Interrupted Time Series (Dynamic Interrupted Time Series Analysis). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/causal-inference/dynamic-interrupted-time-series · Aineisto: https://doi.org/10.5281/zenodo.20539026