Politika Değerlendirmesi İçin Kesintili Zaman Serileri
Interrupted Time Series Analysis for Policy Evaluation · Ayrıca şöyle bilinir: ITS for policy evaluation, policy ITS, segmented regression for policy, policy impact ITS
Politika değerlendirmesi için Kesintili Zaman Serileri (ITS), rutin olarak toplanan toplu zaman serisi verilerini kullanarak bir politika değişikliğinin nedensel etkisini tahmin eder. Segmentli bir regresyon modeli, seriyi bilinen bir müdahale tarihinde böler, hem ani bir seviye kaymasını hem de randomize kontrol grubu gerektirmeyen politikaya atfedilebilen bir eğilim değişikliğini tahmin eder.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Politika, düzenleme veya programın bilinen bir zamanda uygulandığı ve müdahaleden önce ve sonra yeterince uzun bir sonuç ölçüm serisine sahip olduğunuzda politika değerlendirmesi ITS'yi kullanın. Rastgeleleştirmenin etik veya pratik olarak imkansız olduğu ve yalnızca idari veya gözetim verilerinin mevcut olduğu durumlarda idealdir - halk sağlığı, ekonomi ve sosyal politika araştırmalarında yaygındır. Serinin çok kısa olduğu (müdahaleden önce 8'den az nokta), birden fazla eşzamanlı politika değişiklik noktasını karıştırdığı, kesin uygulama tarihinin bilinmediği veya birimler arasında aşamalı olduğu veya sonucun düzenli aralıklarla ölçülmediği durumlarda kullanmayın.
Güçlü yönler & sınırlılıklar
- Rastgeleleştirilmiş kontrol grubu gerektirmez - rutin idari, gözetim veya kayıt verileriyle çalışır.
- Bir politikanın hem ani etkisini (seviye değişikliği) hem de sürekli etkisini (eğim değişikliği) tahmin eder, etki dinamiklerinin nüanslı bir resmini sunar.
- Şeffaf karşı-olgusal: müdahale öncesi eğilim, müdahale sonrası dönemin karşılaştırıldığı açık temeldir.
- Toplu zaman serilerinin rutin olarak mevcut olduğu halk sağlığı, ekonomi, eğitim ve kriminoloji alanlarında yaygın olarak uygulanabilir.
- Güçlü nedensel güvenilirlik için paralel maruz kalmayan bir seri ekleyerek kontrollü bir ITS tasarımına genişletilebilir.
- Bilinen, tek, temiz bir kesinti tarihi gerektirir - aşamalı veya dağınık politika uygulamaları tasarımı baltalar.
- Politika değişikliği ile aynı zamana denk gelen eşzamanlı olayları (diğer politikalar, ekonomik şoklar) kontrol edemez.
- Kısa seriler (her segmentte yaklaşık 8 noktadan az) kesin olmayan tahminler verir ve eğilim modellemesini güvenilmez hale getirir.
- Toplu düzeydeki çıkarım, bireysel düzeydeki nedensel etkilere çevrilemeyebilir (ekolojik yanılgı).
- Sonuçlar ARIMA otokorelasyon yapısının seçimine duyarlıdır; yanlış belirtme standart hataları bozar.
SSS
Müdahaleden önce ve sonra kaç zaman noktasına ihtiyacım var?
Her segmentte istikrarlı bir eğilim tahmin etmek için yaygın bir kural olarak en az 8 gözlem gereklidir. Daha fazlası daha iyidir: segment başına 12-24 nokta, kesinliği ve otokorelasyonu tespit etme yeteneğini önemli ölçüde artırır. Herhangi bir segmentte 5'ten az nokta ile eğilim tahminleri güvenilmezdir.
Seviye değişikliği ile eğim değişikliği arasındaki fark nedir?
Seviye değişikliği (β₂), politika tarihindeki sonucun ani, keskin bir kaymasıdır - yeni bir ilaç politikası yürürlüğe girdiğinde acil durum ziyaretlerinde ani bir düşüş gibi. Eğim değişikliği (β₃), zamanla yavaş yavaş yörüngeden sapmadır - sigara içme oranlarında istikrarlı bir şekilde hızlanan bir düşüş gibi. Gerçek dünya politikaları genellikle her ikisini de üretir.
Kalıntılardaki otokorelasyonu nasıl ele alırım?
Önce kalıntıların ACF ve PACF'sini çizin ve bir Durbin-Watson testi yapın. Otokorelasyon mevcutsa, bir ARIMA hata yapısı uydurun, Newey-West (HAC) standart hatalarını kullanın veya Prais-Winsten GLS düzeltmesini uygulayın. Otokorelasyonu göz ardı etmek yanlış pozitif oranlarını artırır.
Nedensel iddiaları güçlendirmek için bir kontrol serisi ekleyebilir miyim?
Evet. Kontrollü bir ITS tasarımı, politika tarafından etkilenmeyen bir gruptan bir karşılaştırma serisi içerir. Müdahale serisi T*'de bir değişiklik gösterirse ancak kontrol serisi göstermezse, nedensel atıf çok daha güçlüdür - bu, farkların farkı mantığına yakından paraleldir.
Politika farklı bölgelerde farklı zamanlarda uygulandıysa ne olur?
Aşamalı uygulamalar standart ITS'yi güvenilmez hale getirir çünkü kesinti tarihi birimler arasında farklılık gösterir. Bu durumda, aşamalı bir farkların farkı veya bölgeye özgü kesme noktalarına sahip çok bölgeli bir ITS modeli daha uygundur.
Kaynaklar
- 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 ↗
- Box, G. E. P., & Tiao, G. C. (1975). Intervention Analysis with Applications to Economic and Environmental Problems. Journal of the American Statistical Association, 70(349), 70-79. DOI: 10.1080/01621459.1975.10480264 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Interrupted Time Series Analysis for Policy Evaluation. ScholarGate. https://scholargate.app/tr/causal-inference/policy-evaluation-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
- Kesintili Zaman Serisi (KZS) AnaliziNedensel çıkarım↔ karşılaştır
- Politika Değerlendirmesi Farkların FarkıNedensel çıkarım↔ karşılaştır
- Sentetik Kontrol Yöntemi (SCM)Nedensel çıkarım↔ karşılaştır