Interrupted Time Series dan Regresi Tersegmentasi

Interrupted time series dimulai dengan banyak observasi sebelum dan sesudah intervensi, bukan hanya satu observasi sebelum dan sesudah

Deret sebelum treatment mengestimasi level dan tren yang akan berlanjut tanpa intervensi. Penyimpangan pascatreatment diukur terhadap jalur yang diproyeksikan tersebut

Desain ini paling kuat ketika tanggal intervensi diketahui secara eksternal, outcome diukur secara konsisten, dan lintasan sebelumnya cukup stabil untuk diekstrapolasi

Model dasar mencakup waktu, indikator yang aktif saat intervensi, dan waktu yang telah berlalu sejak intervensi

Indikator intervensi mengestimasi lompatan level langsung. Istilah waktu pascaintervensi mengestimasi bagaimana slope berubah relatif terhadap baseline

Pada horizon yang lebih panjang, efek tersirat menggabungkan perubahan level dan perubahan slope yang terakumulasi. Melaporkan hanya satu koefisien dapat menyembunyikan jalur yang relevan secara ekonomi

Aturan perdagangan dapat berlaku semalam, tetapi reformasi kepatuhan dapat diterapkan bertahap. Step, ramp, lag, atau pulse sementara mengkodekan cerita intervensi yang berbeda

Perilaku antisipatif sebelum tanggal formal dapat membuat indikator tajam menjadi menyesatkan. Tanggal pengumuman, adopsi, dan penegakan harus dipisahkan

Memilih titik putus atau bentuk dampak setelah memeriksa outcome akan melebihkan kecocokan. Garis waktu dan spesifikasi utama harus dibenarkan sebelum estimasi

Observasi yang berdekatan sering berbagi guncangan, sehingga error independen biasa menghasilkan interval kepercayaan yang terlalu sempit

Plot residual dan diagnostik autokorelasi harus memandu model error atau ketidakpastian deret waktu yang robust. Frekuensi yang lebih tinggi tidak otomatis menciptakan bukti independen

Seasonality, hari libur, volatilitas yang berubah, outlier, dan tren nonstasioner dapat menyerupai intervensi. Pemodelannya memerlukan penalaran ekonomi sekaligus pengujian statistik

Peristiwa lain apa pun yang dimulai dekat intervensi dapat menjelaskan patahan level atau slope yang sama. Berita makro dan aturan yang berlaku bersamaan sangat berbahaya dalam keuangan

Pengukuran dan komposisi yang stabil juga penting. Perubahan vendor, semesta pencatatan baru, atau definisi spread yang direvisi dapat menghasilkan diskontinuitas artifisial

Regresi menuju mean adalah risiko lain ketika intervensi mengikuti outcome ekstrem. Periode awal yang lebih panjang membantu menunjukkan apakah pembalikan serupa juga terjadi sebelumnya

Interrupted time series terkontrol menambahkan deret pembanding yang tidak terdampak dan terpapar guncangan bersama yang sama. Estimand menjadi perbedaan dalam interupsi

Pembanding harus berbagi kekuatan baseline tetapi bebas dari treatment langsung, antisipasi, dan spillover. Tolok ukur yang tercemar dapat mengurangkan sebagian efek sebenarnya

Beberapa kontrol atau pembanding sintetis dapat meningkatkan kredibilitas, tetapi pergerakan bersama sebelum treatment yang baik dan seleksi transparan tetap penting

Perubahan tick size, pembatasan short sale, tenggat pengungkapan, atau peningkatan sistem bursa dapat dipelajari melalui spread, volume, atau volatilitas dari waktu ke waktu

Frekuensi intraday menyediakan banyak titik tetapi juga ketergantungan mikrostruktur, pola hari dalam minggu, dan berita yang tumpang tindih. Ukuran sampel bukan hal yang sama dengan identifikasi

Definisikan unit, frekuensi, horizon, tanggal intervensi, bentuk respons yang diharapkan, dan peristiwa pesaing sebelum menafsirkan patahan sebagai efek kebijakan

Gunakan tanggal placebo, jendela alternatif yang wajar, bentuk tren, kontrol musiman, dan struktur autokorelasi. Uji apakah satu hari ekstrem menggerakkan estimasi

Laporkan perubahan level, perubahan slope, efek pada horizon yang bermakna, pemeriksaan residual, serta jalur yang diamati dan kontrafaktual dengan ketidakpastian

Jika banyak tanggal yang masuk akal menunjukkan patahan serupa atau hasil menghilang setelah guncangan bersamaan dimodelkan, kesimpulan kausal harus dilemahkan sesuai itu