Robust Interrupted Time Series Analysis
Robust Interrupted Time Series Analysis ir kvaziekperimentāla metode, kas novērtē politikas vai intervences cēloņsakarību ietekmi uz kopējo iznākumu laika gaitā, izmantojot segmentētu regresiju, kas pielāgota ar izgriezumu noturīgiem vai heteroskedastiskuma konsistentiem standarta kļūdainumiem. Tā tiek plaši izmantota veselības aprūpes pakalpojumu pētniecībā un sabiedrības veselības novērtēšanā, kad laika sērijās ir ietekmīgi novērojumi, nekonstants dispersijas lielums vai neliela autokorelācija.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- Bernal, J. L., 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 ↗
- Linden, A. (2015). Conducting interrupted time-series analysis for single- and multiple-group comparisons. Stata Journal, 15(2), 480-500. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Interrupted Time Series Analysis. ScholarGate. https://scholargate.app/lv/causal-inference/robust-interrupted-time-series
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Diferenču starpībām (Diff-in-Diff)Ekonometrija↔ salīdzināt
- Dinamiskās pārtrauktās laika rindasCēloņsakarību secināšana↔ salīdzināt
- Pārtraukto laika sēriju (ITS) analīzeCēloņsakarību secināšana↔ salīdzināt
- Paneļdatu pārtraukto laika rindu analīzeCēloņsakarību secināšana↔ salīdzināt
- Robust Difference-in-DifferencesCēloņsakarību secināšana↔ salīdzināt
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →