Series temporales interrumpidas

El análisis de series temporales interrumpidas ( ITS ), también conocido como análisis de series temporales cuasiexperimental , es un método de análisis estadístico que implica el seguimiento de un período prolongado antes y después de una intervención para evaluar sus efectos. La serie temporal se refiere a los datos durante dicho período, mientras que la interrupción es la intervención, que consiste en una influencia externa controlada o un conjunto de influencias. ^{[ 1 ]}^{[ 2 ]} Los efectos de la intervención se evalúan mediante los cambios en el nivel y la pendiente de la serie temporal y la significación estadística de los parámetros de la intervención. ^{[ 3 ]} El diseño de series temporales interrumpidas es el diseño de experimentos basado en el enfoque de series temporales interrumpidas.

Este método se utiliza en diversas áreas de investigación, tales como:

ciencia política : impacto de los cambios en las leyes sobre el comportamiento de las personas; ^{[ 2 ]} (por ejemplo, eficacia de las políticas de registro de delincuentes sexuales en los Estados Unidos )
economía : impacto de los cambios en los controles de crédito en el comportamiento de endeudamiento; ^{[ 2 ]}
sociología : impacto de los experimentos de mantenimiento de ingresos en el comportamiento de los participantes en programas de bienestar ; ^{[ 2 ]}
historia : impacto de los principales acontecimientos históricos en el comportamiento de los afectados por dichos acontecimientos; ^{[ 2 ]}
psicología : impacto de la expresión de experiencias emocionales en el contenido en línea; ^{[ 4 ]}
medicina : en la investigación médica, el tratamiento médico es una intervención cuyos efectos deben estudiarse;
investigación de mercado : analizar el efecto de las "intervenciones de mercado diseñadas" (por ejemplo, publicidad ) en las ventas. ^{[ 5 ]}
Ciencias ambientales : impactos de las actividades humanas en la calidad ambiental y la dinámica de los ecosistemas (por ejemplo, la tala de bosques en el clima local). ^{[ 6 ]}^{[ 7 ]}

Véase también

Diseño cuasiexperimental

Referencias

↑ Ferron, John; Rendina‐Gobioff, Gianna (2005), "Interrupted Time Series Design" , Encyclopedia of Statistics in Behavioral Science , American Cancer Society, doi : 10.1002/0470013192.bsa312 , ISBN 978-0-470-01319-9, consultado el 9 de marzo de 2020
1 2 3 4 5 McDowall, David; McCleary, Richard; Meidinger, Errol; Hay, Richard A. Jr. (agosto de 1980). Análisis de series temporales interrumpidas . SAGE. págs. 5–6 . ISBN 978-0-8039-1493-3.
↑ Manual de Psicología, Métodos de Investigación en Psicología, pág. 582
↑ Bollen; et al. (2019). " La dinámica a escala de minutos de las emociones en línea revela los efectos del etiquetado afectivo" . Nature Human Behaviour . 3 (1): 92– 100. doi : 10.1038/s41562-018-0490-5 . PMID 30932057. S2CID 56399577 .
↑ Brodersen; et al. (2015). "Inferencia del impacto causal mediante modelos bayesianos estructurales de series temporales" . Annals of Applied Statistics . 9 : 247–274 . arXiv : 1506.00356 . doi : 10.1214/14-AOAS788 . S2CID 2879370. Consultado el 21 de marzo de 2019 .
↑ Li, Yang; Liu, Yanlan; Bohrer, Gil; Cai, Yongyang; Wilson, Aaron; Hu, Tongxi; Wang, Zhihao; Zhao, Kaiguang (2022). "Impactos de la pérdida de bosques en el clima local en los Estados Unidos continentales: evidencia de observaciones satelitales de series temporales" (PDF) . Science of the Total Environment . 802 149651. Bibcode : 2022ScTEn.802n9651L . doi : 10.1016/j.scitotenv.2021.149651 . PMID 34525747 .
↑ Li, Yang; Zhao, Kaiguang; Hu, Tongxi; Zhang, Xuesong. "BEAST: Un algoritmo de conjunto bayesiano para la detección de puntos de cambio y la descomposición de series temporales" . GitHub .

[1] Ferron, John; Rendina‐Gobioff, Gianna (2005), "Interrupted Time Series Design" , Encyclopedia of Statistics in Behavioral Science , American Cancer Society, doi : 10.1002/0470013192.bsa312 , ISBN 978-0-470-01319-9, consultado el 9 de marzo de 2020

[its1-2] 1 2 3 4 5 McDowall, David; McCleary, Richard; Meidinger, Errol; Hay, Richard A. Jr. (agosto de 1980). Análisis de series temporales interrumpidas . SAGE. págs. 5–6 . ISBN 978-0-8039-1493-3.

[3] Manual de Psicología, Métodos de Investigación en Psicología, pág. 582

[4] Bollen; et al. (2019). " La dinámica a escala de minutos de las emociones en línea revela los efectos del etiquetado afectivo" . Nature Human Behaviour . 3 (1): 92– 100. doi : 10.1038/s41562-018-0490-5 . PMID 30932057. S2CID 56399577 .

[5] Brodersen; et al. (2015). "Inferencia del impacto causal mediante modelos bayesianos estructurales de series temporales" . Annals of Applied Statistics . 9 : 247–274 . arXiv : 1506.00356 . doi : 10.1214/14-AOAS788 . S2CID 2879370. Consultado el 21 de marzo de 2019 .

[6] Li, Yang; Liu, Yanlan; Bohrer, Gil; Cai, Yongyang; Wilson, Aaron; Hu, Tongxi; Wang, Zhihao; Zhao, Kaiguang (2022). "Impactos de la pérdida de bosques en el clima local en los Estados Unidos continentales: evidencia de observaciones satelitales de series temporales" (PDF) . Science of the Total Environment . 802 149651. Bibcode : 2022ScTEn.802n9651L . doi : 10.1016/j.scitotenv.2021.149651 . PMID 34525747 .

[7] Li, Yang; Zhao, Kaiguang; Hu, Tongxi; Zhang, Xuesong. "BEAST: Un algoritmo de conjunto bayesiano para la detección de puntos de cambio y la descomposición de series temporales" . GitHub .

[ 1 ]

[ 2 ]

[ 3 ]

[ 4 ]

[ 5 ]

[ 6 ]

[ 7 ]