전후 두 점은 원래 방향을 지운다
해안 야시장이 5기부터 재사용 컵 반환 정책을 시작했다고 합시다. 반환되지 않은 컵은 1~4기에 40, 42, 44, 46개였습니다. 5~8기에는 42, 43, 44, 45개가 관측됐습니다. 정책 직전 46개와 직후 42개만 빼면 −4개입니다. 하지만 정책 전에는 기간마다 2개씩 늘고 있었습니다.
정책 전 +2 추세가 그대로 이어졌다고 단순 연장하면 5기는 48개입니다. 관측 42개와의 차이는 −6개입니다. −4는 이웃한 두 관측값의 차이이고, −6은 정책 전 추세를 반사실로 삼은 직후 수준 차이입니다. 둘은 질문도 계산 기준도 다릅니다.
8기의 관측은 45개, 연장한 값은 54개라 간격은 −9개입니다. 정책 뒤 관측 기울기는 기간당 +1개이므로 정책 전 +2보다 1개 낮습니다. 직후 수직 이동과 이후 기울기 변화가 함께 있을 수 있어 한 숫자로 뭉치지 않아야 합니다.
Bernal과 동료의 안내는 중단 시계열을 개입 전후 여러 시점에서 수준과 기울기 변화를 추정하는 설계로 설명합니다. 단순 전후 비교보다 기존 추세를 드러내지만, 여기의 직선 연장은 실제 인과효과가 아니라 구조를 익히는 자체 계산입니다.
참고 · James Lopez Bernal, Steven Cummins, Antonio Gasparrini — 중단 시계열 회귀로 정책 변화를 읽는 법 ↗
반사실은 조건이 맞을 때만 버틴다
‘정책이 없었어도 +2 추세가 이어졌을 것’이라는 선이 비교 기준입니다. 이 선이 타당하려면 정책 전 관측 기간이 추세를 파악하기에 충분하고, 계절 순환과 측정 방식이 안정적이며, 정책 시작 시점이 분명해야 합니다. 정책 효과가 늦게 나타난다면 5기에서 즉시 꺾이는 모형도 맞지 않습니다.
같은 날 컵 보증금, 폐기물 단속, 행사 규모나 날씨가 함께 바뀌었다면 관측 변화의 원인을 한 정책에만 돌리기 어렵습니다. 정책 전후 오차가 서로 이어지는 자기상관을 무시하면 불확실성을 과소평가할 수도 있습니다. 숫자가 선에서 멀다는 사실과 원인이 확정됐다는 주장은 별개입니다.
영국 정부 방법 안내는 개입 전후 충분한 관측, 계절성과 장기 추세, 시행 지연, 다른 동시 변화의 기록을 요구합니다. 비슷한 시장이 같은 시기에 정책을 시행하지 않았다면 비교 시계열로 두는 방법도 있습니다. 두 시장이 원래 다른 추세라면 비교 자체의 조건을 다시 점검해야 합니다.
따라서 주장은 ‘이 예시의 고정 직선 모형에서 5기 간격은 −6, 8기 간격은 −9’까지입니다. 실제 정책 효과의 크기·불확실성·원인은 자료 수집, 모형 진단과 대안 설명을 거쳐야 합니다. 그래프의 점과 인과 문장을 같은 증거 수준으로 읽지 않습니다.
수준·기울기·대안 사건을 따로 기록한다
활동에서 먼저 ‘직전과 직후’를 눌러 −4를 확인하고, ‘정책 직후 간격’에서 42−48=−6을 계산하세요. 마지막으로 8기에서 45−54=−9를 확인합니다. 본문·도표·활동의 40·42·44·46과 42·43·44·45는 같은 고정 자료입니다.
보고서에는 개입 날짜, 관측 간격, 정책 전후 점의 수, 수준 변화와 기울기 변화의 추정값을 따로 씁니다. 계절 항, 자기상관 처리, 데이터 정의 변경과 같은 분석 선택도 공개합니다. 비교 시계열이 있다면 개입 전 추세가 얼마나 비슷했는지 보여 줍니다.
결과가 정책 목표와 같은 방향이어도 작동 경로는 추가 근거가 필요합니다. 실제 컵 회수대 사용 기록이나 이용자 조사처럼 정책이 행동을 바꾼 중간 증거를 함께 확인합니다. 반대로 시계열이 변하지 않았다고 해서 모든 하위 장소와 시간대의 효과가 정확히 0이라고 단정하지 않습니다.
다른 상황으로 옮겨 보세요. 교통 규제 뒤 사고, 교육 개편 뒤 성적, 앱 알림 뒤 이용량이 바뀐 그래프에서 정책 전 추세는 무엇이었나요? 즉시 수준과 장기 기울기 중 어떤 주장을 하는지, 같은 시점의 다른 사건과 계절성, 비교할 대상을 적어 보세요.
참고 · James Lopez Bernal, Steven Cummins, Antonio Gasparrini — 중단 시계열 회귀로 정책 변화를 읽는 법 ↗