政策の開始後にグラフが曲がったら、政策の効果といえる？

政策なしの線を前から延ばす

介入時系列分析、ITSでは、政策が始まる前の反復観測から基礎的な傾向を捉えます。その傾向が政策なしでも続くと仮定した反実仮想を、導入後の実際の系列と比べる設計です。比較地域がない場合にも使われる考え方です。

延長した線は、政策なしの状態を観測して得た値ではありません。導入前の傾向を導入後へ使える条件が必要です。いつから実施し、何を結果とし、前後にどの時点の情報があるかを明確にします。

前の動きが既に大きく変わっているなら、古い期間を長く加えるだけで、今の政策なしの傾向をよく表せるとは限りません。前の系列と記録の方法を調べ、比較の根拠を示します。

直後の段差とその後の傾きを分ける

政策の導入直後に値が跳ぶ水準の変化と、その後の増減の速さが変わる傾きの変化は違います。実施から結果へ影響が届くまでに遅れがある可能性も、結果の仕組みに合わせて考えます。

Lopez Bernalらの2017年原教材は、どの影響の形を期待するかを事前に考える重要性を説明しています。結果を見て一番大きい差の出る開始日や形だけを選ぶと、偶然の動きを効果と読み違えるおそれがあります。

段差だけの模型か、傾きも変える模型かによって、報告が答える問いは変わります。一つの係数を効果と呼ぶときも、いつの結果にどんな変化を表しているかを確認します。

同時の出来事を検討する

導入時点に別の施策や出来事が起こり、同じ結果へ影響した場合、系列の変化はその影響も含みえます。調査対象や記録方法の変更が政策と重なる場合も注意が必要です。

測れた同時要因を分析へ入れたり、政策の影響を受けない比較系列を追加したりすることが、検討材料になります。それでも全ての同時変化を自動的に取り除く保証ではありません。反実仮想を延ばせる理由と、同時に変わったことを合わせて読みます。

季節性と隣り合う月の似方も読む

毎年同じ時期の季節変動がある場合、前後の期間に含む季節の違いも結果へ関わります。また隣り合う時点の観測が似る自己相関があれば、全ての点を独立の観測として扱う標準的な計算がそのまま合うとは限りません。

季節性を考慮し、残差に依存が残るかを確認することが必要です。時点数が多いというだけで、不確かさや因果関係が確かめられたとはしません。グラフの曲がり、模型の形、同時事象、誤差の扱いを対応させて読むと、観測した変化と政策による変化を分けられます。

架空の線形模型：元の傾きと段差

政策直前の値が100で、政策なしなら毎月2ずつ増える傾向が続くと仮定します。開始1か月後の反実仮想は102です。その時点の実際の値が97なら、延長線との差は97−102＝−5です。

直前の100との差−3だけを見ると、元の増加傾向を考慮していません。この−5を政策効果と読むには、傾向が続く仮定と、同時の別の変化が混ざらない条件を検討します。実測の政策効果を示す数字ではありません。

持ち帰る見方

• 延長した政策なしの線は、仮定による反実仮想。
• 直後の水準差と、その後の傾きの変化を分ける。
• 同時事象、季節性、時点間の依存を調べる。

次に広がる疑問

• 導入前のどの期間の傾向を、政策なしとして延ばしたか。
• 導入時点に別の施策や記録方法の変更はなかったか。

出典

• Interrupted time series regression: a tutorial（James Lopez Bernal, Steven Cummins, Antonio Gasparrini）https://pmc.ncbi.nlm.nih.gov/articles/PMC5407170/

  確認日：2026-10-05