Dinamik Kesintili Zaman Serileri
Dynamic Interrupted Time Series Analysis · Ayrıca şöyle bilinir: Dynamic ITS, ITS with lagged effects, time-varying ITS, flexible ITS
Dinamik Kesintili Zaman Serileri (Dinamik KZS), tek bir anlık düzey değişikliği varsaymak yerine, müdahale etkilerinin birden fazla zaman gecikmesi boyunca birikmesine, azalmasına veya kaymasına izin vererek standart KZS tasarımını genişletir. Bir müdahalenin etkisinin zaman periyotları boyunca nasıl geliştiğini tahmin eder, bu da onu özellikle halk sağlığı, sağlık hizmetleri araştırmaları ve etkilerin kademeli olarak biriktiği veya başlangıçtaki etkiden sonra azaldığı politika değerlendirmeleri için uygun hale getirir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Yeterince uzun, düzenli aralıklarla yerleştirilmiş bir zaman seriniz (genellikle müdahale öncesi en az 12 ve müdahale sonrası 12 gözlem), açıkça tarihlenebilir bir müdahale ve etkinin anlık ve kalıcı olmak yerine birden fazla dönem boyunca oluştuğuna veya azaldığına inanmak için nedeniniz olduğunda Dinamik KZS kullanın. Rastgeleleştirmenin imkansız olduğu sağlık, eğitim ve kamu politikası alanlarındaki toplu idari verilere çok uygundur. Müdahale tarihi belirsiz olduğunda veya birçok birim arasında kontrolsüz bir şekilde kademeli olarak uygulandığında veya birden fazla kontrol birimine sahip bir panel tasarımının karşıolgusal yapıyı daha iyi destekleyeceği durumlarda çok kısa serilerle (her iki segmentte 8-10'dan az gözlem) kullanmayın.
Güçlü yönler & sınırlılıklar
- Gecikmeli başlangıç, zirve etki ve kademeli azalma dahil olmak üzere bir müdahale etkisinin tam dinamik yörüngesini yakalar.
- Tedavi edilmemiş bir kontrol grubuna ihtiyaç duymaz – müdahale öncesi seri karşıolgusal eğilim görevi görür.
- Sağlık gözetimi, eğitim ve politika veri tabanlarında yaygın olarak bulunan toplu idari zaman serilerine uygulanabilir.
- Etki zamanlaması belirsiz olduğunda veya teorik olarak kademeli olması beklendiğinde standart ITS'den daha bilgilendiricidir.
- Dağıtılmış gecikme spesifikasyonu esnektir: gecikme uzunluğu ve fonksiyonel form, esas teoriye uyarlanabilir.
- Karşı olgusal eğilimi güvenilir bir şekilde tahmin etmek için uzun bir müdahale öncesi seriye ihtiyaç duyar; kısa seriler geniş güven aralıkları üretir.
- Maksimum gecikme K seçimi yargısaldır; çok az gecikme gecikmeli etkileri kaçırır, çok fazla gecikme aşırı uyum sağlar ve varyansı şişirir.
- Müdahale ile çakışan eşzamanlı olayları (eş-müdahaleler, seküler eğilimler) dışlayamaz — mevcut olduğunda bir kontrol serisi şiddetle tavsiye edilir.
- Otokorelasyon düzeltmesi esastır ancak analitik karmaşıklık ve ek modelleme seçenekleri ekler.
- Birimler arasında kademeli uygulama, daha karmaşık çok gruplu uzantılar gerektirir.
SSS
Dinamik ITS, standart ITS'den nasıl farklıdır?
Standart ITS, müdahale etkisinin anlık ve kalıcı olduğunu varsayarak, kırılma noktasında iki parametre (anlık düzey değişimi ve eğim değişimi) tahmin eder. Dinamik ITS, modelin kademeli olarak ortaya çıkan, belirli bir gecikmede zirveye ulaşan ve sonra azalan etkileri tespit edebilmesi için gecikmeli müdahale göstergeleri ekler. Bu, standart parçalı regresyonun dağıtılmış gecikmeli bir genellemesidir.
Kaç tane müdahale öncesi ve sonrası gözleme ihtiyacım var?
Genel bir kural olarak, standart ITS için her segmentte en az 12 veri noktası gereklidir; K+1 gecikme katsayısı tahmin eden dinamik modeller, bu kadar çok parametreyi desteklemek için ek olarak yeterli sayıda müdahale sonrası gözleme ihtiyaç duyar. Pratik bir minimum olarak, müdahale sonrası uzunluğun K'yi rahat bir farkla aşmasını ve müdahale öncesi uzunluğun trend ve mevsimselliği tahmin etmek için yeterince uzun olmasını sağlayın.
Maksimum gecikme K'yi nasıl seçerim?
İdeal olarak, K, örneğin bir ilacın üç ay içinde tam etki göstermesi bekleniyorsa K = 3 gibi, esaslı teoriden belirlenmelidir. Teori belirsiz olduğunda, bilgi kriterleri (AIC, BIC) seçime rehberlik edebilir, ancak yapılan seçim raporlanmalı ve K'nın olası değerleri üzerinden duyarlılık analizleri sunulmalıdır.
Bir kontrol serisine ihtiyacım var mı?
Bir kontrol serisi (müdahaleye maruz kalmayan karşılaştırılabilir bir sonuç veya bölge), mevcut olduğunda şiddetle tavsiye edilir. Bu, eşzamanlı seküler eğilimleri veya dış şokları tahmini etkiden çıkarmanıza olanak tanıyarak nedensel çıkarımı güçlendirir. Bir kontrol serisi olmadan, ölçülmeyen eş-müdahaleler geçerlilik için bir tehdit olmaya devam eder.
Hangi yazılımı kullanabilirim?
Dinamik ITS, R (itsa, lmtest, HAC hataları için sandwich paketleri; veya forecast aracılığıyla ARIMA tabanlı yaklaşımlar), Stata (newey, prais komutları) veya Python (statsmodels) ile uygulanabilir. StatWise, otokorelasyon düzeltmesi ve gecikme seçimi tanılamalarını otomatik olarak ele alan rehberli bir arayüz sağlar.
Kaynaklar
- 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 ↗
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Dynamic Interrupted Time Series Analysis. ScholarGate. https://scholargate.app/tr/causal-inference/dynamic-interrupted-time-series
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Farkların Farkı (Diff-in-Diff)Ekonometri↔ karşılaştır
- Dinamik Farkların FarkıNedensel çıkarım↔ karşılaştır
- Kesintili Zaman Serisi (KZS) AnaliziNedensel çıkarım↔ karşılaştır
- Panel Olay ÇalışmasıNedensel çıkarım↔ karşılaştır