İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklarUygulamalarSSS🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›Nedensel çıkarım›Kesintili Zaman Serileri Analizi Eğitim Araştırmalarında
Regression modelQuasi-experimental / causal inference

Kesintili Zaman Serileri Analizi Eğitim Araştırmalarında

Interrupted Time Series Analysis in Education Research · Ayrıca şöyle bilinir: ITS in education, educational ITS, segmented regression in education, policy interrupted time series

Kesintili zaman serileri (KTS) analizi, bir eğitim politikasının veya müdahalenin nedensel etkisini, uygulama noktasında bir sonuç eğiliminin ani bir şekilde değişip değişmediğini inceleyerek tahmin eden yarı-deneysel bir tasarımdır. Eğitime uygulandığında, rastgeleleştirilmiş bir kontrol grubu olmadan rutin olarak toplanan boylamsal verileri kullanarak reformları, müfredat değişikliklerini, test politikalarını ve okul müdahalelerini değerlendirmek için kullanılır.

ScholarGate
  1. Regression model
  2. v1
  3. 2 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

Kesintili Zaman Serileri Analizi Eğitim Araştırmalarında
Farkların Farkı (Diff-in…Panel Veri Sabit Etkiler…Eğilim Skoru EşleştirmesiSentetik Kontrol Yöntemi…Eğitim Araştırmalarında…

Ne zaman kullanılır

KTS'yi eğitim araştırmalarında, bir politika, program veya reformun açıkça tanımlanmış bir zaman noktasında tanıtıldığı ve hem öncesinde hem de sonrasında yeterli sayıda gözleminizin olduğu durumlarda kullanın — tipik olarak müdahale öncesi ve sonrası en az 8 zaman noktası, ancak her segment için 20+ tercih edilir. Yöntem, yıllık eyalet test sonuçları, aylık devamlılık kayıtları veya dönem düzeyindeki kayıt rakamları gibi idari panel verilerine uyar. Müdahale tarihi belirsiz veya kademeli olduğunda, her segment için yaklaşık 8'den az gözleminiz olduğunda (güç çok düşüktür), eş zamanlı olarak birçok başka politika değişikliği meydana geldiğinde (karıştırıcı tehditler) veya sonuç serisi modellenemeyen ciddi durağan olmama durumu gösterdiğinde KTS kullanmayın.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Rastgeleleştirilmiş bir kontrol grubu gerektirmeden rutin olarak toplanan idari verilerden güvenilir bir nedensel tahmin sağlar.
  • Basit bir öncesi-sonrası karşılaştırmasından daha zengin bilgi vererek, iki farklı nedensel yolu ayırır: ani bir seviye değişikliği ve daha uzun vadeli bir eğilim değişikliği.
  • Rastgeleleştirmenin imkansız olduğu büyük ölçekli, nüfus düzeyindeki eğitim reformlarını değerlendirmek için özellikle güçlüdür.
  • Nedensel iddiaları eş zamanlı karıştırıcıları daha da güçlendirmek için bir kontrol serisi (karşılaştırmalı KTS) ile genişletilebilir.
  • Şeffaf ve yorumlanabilir: sonuçlar gözlemlenen zaman serisi grafiğine doğrudan yansır, bu da politika kitlelerine iletişimi kolaylaştırır.
Sınırlılıklar
  • Temel eğilimi güvenilir bir şekilde tahmin etmek için yeterli sayıda müdahale öncesi zaman noktası gerektirir; seyrek veri geniş güven aralıkları ve düşük güç verir.
  • Eş zamanlı olayları (tarih tehdidi) dışlayamaz: aynı anda başka bir politika değiştiyse, etkileri karışır.
  • Müdahale tarihinin keskin ve kesin olarak bilindiğini varsayar; aşamalı veya kademeli kullanımlar tahminleri karmaşıklaştırır.
  • Serideki otokorelasyon açıkça modellenmelidir ve hata yapısının yanlış modellenmesi standart hataları ve çıkarımı bozabilir.

SSS

Müdahaleden önce ve sonra kaç zaman noktasına ihtiyacım var?

Yaygın bir kural, en az 8 müdahale öncesi ve 8 müdahale sonrası gözlemdir, ancak kararlı eğim tahminleri ve yeterli güç için her segment için 20 veya daha fazlası tercih edilir. Her iki segmentte de 8'den az nokta olduğunda, eğilim tahminleri güvenilmezdir ve güven aralıkları çok geniştir.

Seviye değişikliği ile eğim değişikliği arasındaki fark nedir?

Seviye değişikliği (β₂), müdahale başladığı anda sonucun ani bir sıçraması veya düşüşüdür — yeni bir program başladıktan sonra puanların aniden yükselmesi gibi. Eğim değişikliği (β₃), müdahaleden sonra eğilimin kademeli bir hızlanması veya yavaşlamasıdır — daha önce olduğundan daha hızlı veya daha yavaş büyüyen puanlar gibi. Her ikisi de birlikte meydana gelebilir ve KTS bunları ayrı ayrı tahmin eder.

Otokorelasyon neden önemlidir ve nasıl ele alınır?

Aynı popülasyonun zaman içindeki tekrarlanan gözlemleri genellikle yakın geçmiş değerleriyle pozitif olarak ilişkilidir, bu da standart OLS standart hatalarının çok küçük olduğu ve p-değerlerinin yanıltıcı derecede düşük olduğu anlamına gelir. Geçerli çıkarım elde etmek için Newey-West heteroskedastisite-ve-otokorelasyon-tutarlı (HAC) standart hatalar, ARIMA hata modelleri veya genelleştirilmiş en küçük kareler gibi otokorelasyon düzeltilmiş yöntemler kullanın.

Tasarıma güç katmak için bir kontrol grubu ekleyebilir miyim?

Evet. Karşılaştırmalı KTS, müdahale almayan benzer bir popülasyondan paralel bir sonuç serisi ekler. Seviye ve eğim değişiklikleri kontrol serisinde sıfıra yakınken, işlem gören seride anlamlıysa, bu, ulusal eğilimler veya mevsimsel etkiler gibi eş zamanlı karıştırıcıları dışlayarak nedensel iddiayı önemli ölçüde güçlendirir.

KTS, eğitim araştırma standartları tarafından titiz bir kanıt olarak kabul ediliyor mu?

Evet. What Works Clearinghouse (WWC) ve ESSA kanıt seviyeleri, iyi tasarlanmış KTS çalışmalarını Seviye 2 (orta) kanıt olarak sınıflandırır — basit öncesi-sonrası veya korelasyonel tasarımlardan daha güçlü, ancak rastgeleleştirilmiş kontrollü denemelerin altında. Anahtar kalite göstergeleri yeterli segment uzunluğu, otokorelasyon düzeltmesi ve eş zamanlı politika değişikliklerinin olmamasıdır.

Kaynaklar

  1. Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and Quasi-Experimental Designs for Generalized Causal Inference. Houghton Mifflin. ISBN: 978-0395615560
  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 ↗

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 3). Interrupted Time Series Analysis in Education Research. ScholarGate. https://scholargate.app/tr/causal-inference/interrupted-time-series-in-education-research

İlişkili yöntemler

Farkların Farkı (Diff-in-Diff)Panel Veri Sabit Etkiler ModeliEğilim Skoru EşleştirmesiSentetik Kontrol Yöntemi (SCM)

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
  • Panel Veri Sabit Etkiler ModeliEkonometri↔ karşılaştır
  • Eğilim Skoru EşleştirmesiAraştırma istatistiği↔ karşılaştır
  • Sentetik Kontrol Yöntemi (SCM)Nedensel çıkarım↔ karşılaştır
Yan yana karşılaştır →

Bu yönteme atıf yapanlar

Eğitim Araştırmalarında Panel Olay Çalışması

Benzer yöntemler

Politika Değerlendirmesi İçin Kesintili Zaman SerileriKesintili Zaman Serisi (KZS) AnaliziKesintili Zaman Serisi Panel VerileriSağlam Kesintili Zaman Serisi AnaliziÇoklu Dönem Kesintili Zaman SerisiDinamik Kesintili Zaman SerileriEğitim Araştırmalarında Panel Olay Çalışması

İlgili referans kavramlar

Yarı Deneysel ve Doğal Deney TasarımıDoğal DeneyAnalysis of EducationEducational PolicyEducational ResearchersEğitimde Ölçme

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — Interrupted Time Series in Education Research (Interrupted Time Series Analysis in Education Research). 2026-07-21 tarihinde şu adresten erişildi: https://scholargate.app/tr/causal-inference/interrupted-time-series-in-education-research · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
Shadish, Cook & Campbell (quasi-experimental design); Wagner et al. (segmented regression formalization)
Year
1979-2002
Type
Quasi-experimental causal inference
DataType
Longitudinal/time-series (repeated measures over time)
Subfamily
Quasi-experimental / causal inference
İlişkili yöntemler
Farkların Farkı (Diff-in-Diff)Panel Veri Sabit Etkiler ModeliEğilim Skoru EşleştirmesiSentetik Kontrol Yöntemi (SCM)
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil