CAUSAL · LAG · FORECAST

검색 관심도를 인과·시차·예측으로 분석

처리집단과 통제집단의 Google Trends 지수를 넣으면 DID 효과와 Newey–West HAC 추론, 사전 평행추세, 이벤트 스터디형 동적 격차, 시차상관과 AR(1) 예측을 브라우저에서 즉시 계산합니다. 데이터는 외부 서버로 전송되지 않습니다.

집계형 · date, treated, control패널형 · unit, date, outcome, treated

내장 월별 예제 48개 관측치가 준비되어 있습니다. 첫 행은 헤더여야 합니다.

DID 추정효과—95% CI —
DID 유의확률—Newey–West HAC SE
사전 평행추세—사건 전 격차 기울기
최적 시차—상관계수 기준
AR(1) 계수—단기 지속성
예측 마지막 값——

관측 시계열과 예측

Google Trends 상대 관심도 · 점선은 AR(1) 예측 · 수직선은 사건 시점

처리집단통제집단예측

시차상관

차분 시계열 Pearson 상관 · 음수는 통제집단 선행

이벤트 스터디형 동적 효과

처리−통제 격차에서 사건 전 선형추세 반사실을 차감 · 음영은 사건 전 잔차 변동성의 ±1.96σ 참고구간

동적 격차사건 전 참고구간기준시점 τ=0
상대시점날짜처리통제원격차추세조정 효과

DID 추론과 전후 비교

차분계열 회귀 · Newey–West HAC 표준오차 · 양측 정규근사 검정

집단사건 전 평균사건 후 평균변화
모수추정치HAC SEzp95% CI
연구 해석: 집계형은 dt=(treated−control)t=α+β·Postt+εt와 Newey–West HAC를 사용합니다. 패널형은 Yit=αi+λt+β(Treati×Postt)+εit의 개체·시점 고정효과와 개체 군집표준오차를 사용하며, 이벤트 스터디는 τ=−1을 기준으로 합니다. 공동 Wald 검정은 사건 전 계수가 모두 0이라는 귀무가설을 검정합니다. 시차가 다양한 처치나 이질적 효과에서는 Sun–Abraham 또는 Callaway–Sant’Anna 등 별도 추정량으로 재검증하십시오.