문서의 임의 삭제는 제재 대상으로, 문서를 삭제하려면 삭제 토론을 진행해야 합니다. 문서 보기문서 삭제토론 실험설계 (문단 편집) === 틈입 시계열 설계 === Interrupted Time-Series (ITS) Design ||O,,1,,||O,,2,,||O,,3,,||O,,4,,||X||O,,5,,||O,,6,,||O,,7,,||O,,8,,|| 단절적 시계열 설계, 간섭 시계열 설계라고도 한다. 실험적 처치의 종단적(longitudinal) 효과를 평가하기 위한 준실험적 접근법으로, [[시계열 분석|시계열 설계 부류]]에서는 가장 대표적인 유형이다. [[정책]]의 효과를 평가할 때 유리한 방법이기에 [[경제학]]이나 [[정책학]] 분야에서 많은 관심을 갖고 있다. 위의 다른 설계들이 평균의 차이라는 관점에서 접근한다면, 시계열 설계 부류는 '''추세'''(trend)의 변화라는 관점에서 접근한다. 굳이 나누자면 처치 이전의 사전검사들을 통제집단으로, 처치 이후의 사후검사들을 실험집단으로 보기도 한다. 또한 다른 설계들이 즉각적인 처치의 효과만을 도출하는 반면, 이런 류의 설계는 장기적인 처치의 효과까지도 파악하는 것이 가능하다. 일반적으로 처치 이전에 3회 이상, 처치 이후의 3회 이상의 장기적인 검사를 포함한다. 물론 그만큼 실험기간이 길어지기 때문에 특히나 아래에 언급할 타당도 문제가 큰 이슈가 될 수 있다. 오랜 시간이 걸린다는 것은 물론 실험적 처치가 얼마나 오랫동안 보장되는지를 알 수 있다는 장점이 있지만 한편으로는 온갖 뜻밖의 외생변인들이 혼입되도록 문을 활짝 열어놓는 것과도 같기 때문이다. 틈입 시계열 설계는 그 설계 상의 특수성만큼이나 데이터를 취급하고 분석하는 것도 까다로워진다. 한 예로 경제학계는 시계열 설계 하나만을 위한 통계적 분석 노하우를 어마어마하게 축적했다. 여기에 [[패널 분석]]까지 결합되면 그때부터는 통계학의 최전선에 서게 되며, 실제로 한국사회과학자료원(KOSSDA) 같은 곳에서도 시계열 및 패널 데이터에 대한 좌담회나 워크샵이 자주 열리고 있다. 틈입 시계열 설계에서 개입의 효과를 평가하려면 구간별 회귀분석(segmented regression analysis)을 쓰면 검정력이 높다. 114개월의 기간 동안의 의료정책에 대해 평가한 [[https://www.jpmph.org/upload/pdf/jpmph-43-496.pdf|한 논문]]은 [[시계열 분석]]의 여러 방법을 연구에 이용하였다. 계절성이 있으면 각 월을 나타내는 지시변수를 생성해 처리해주고, 시계열 데이터에서는 자기상관성이나 이분산성으로 인해 [[iid]] 가정이 깨지기 쉬우니까 검정을 해야 한다. 자기상관성은 더빈-왓슨(Durbin-Watson) 통계량으로 검정해주고 이분산성은 [[라그랑주 승수법]](LM) 검정과 Q검정으로 검정하면 된다. 그러나 틈입 시계열 설계에서 나타난 변화는, 물론 충분히 장기간에 걸쳐서 엄밀하게 반복측정을 했다면 그것만으로도 설득력이 크긴 하지만, 여전히 자연적인 변화의 양을 분리하는 것이 불가능하다. 예컨대 새로 개발된 취업지원 패키지를 도입한 지방자치단체에서 실업률이 감소했다 하더라도, 이는 때마침 호경기로 접어들고 있어서라고 볼 수도 있다. 아울러 상기했듯이 실험의 타당도를 저해하는 여러 이슈들을 걸러내야 한다는 것도 틈입 시계열 설계의 한계이다.저장 버튼을 클릭하면 당신이 기여한 내용을 CC-BY-NC-SA 2.0 KR으로 배포하고,기여한 문서에 대한 하이퍼링크나 URL을 이용하여 저작자 표시를 하는 것으로 충분하다는 데 동의하는 것입니다.이 동의는 철회할 수 없습니다.캡챠저장미리보기