تجزیه و تحلیل سری زمانی وقفه دار (ITSA)

ITSA به داده‌های سری زمانی قبل و بعد از مداخله نیاز دارد و به‌طور ایده‎آل با استفاده از داده‌های اداری (اجرایی) مورد استفاده قرار می‎گیرد. وجود سری زمانی‌هایی بسیار کوتاه می‎تواند بر قدرت آزمایش‌های آماری تأثیر بگذارد و با برآورد حاصل از آن باید بااحتیاط برخورد شود. از طرف دیگر، روندهایی که در پنجره‌ی زمانی فراتر از تأثیر مداخله و روندهای بلندمدت با اثرگذاری آهسته بر مدل  هستند، می‎توانند منجر به عدم دقت، شوند. بهتر است از بررسی بصری روندها برای تصمیم‌گیری در مورد طول ایده‎آل سری استفاده کنید. آزمون کمترین مربعات (OLS)  برای آزمایش اهمیت آماری در سطح و شیب روند سری زمانی پس از معرفی مداخله، استفاده می‌شود (با به کارگیری  dummy variable و  interaction term). مهم است که مدل ITSA را بر اساس یک بررسی قبلی در مورد اینکه چگونه مداخله بر پیامدها تأثیر می‎گذارد، بسازید. به عنوان مثال آیا شما انتظار یک تغییر دائمی یا موقتی را دارید؟ و اینکه آیا انتظار یک تغییر در سطح یا روند (یا هر دو) را دارید.

ITSA باید مواردی که به روند خود مداخله ارتباطی ندارد مانند فصلی بودن، خودهمبستگی (جایی که آیتم‌های داده با نسخه‌های عقب‌مانده از خود در یک سری زمانی) و غیرپایدار بودن را، در نظر بگیرد. روش‌های مختلفی برای پرداختن به این موارد در مقالات مورد بحث قرار گرفته است.  ITSA می‎تواند از طریق استفاده از پایگاه‌های غیرمداخله‌ای اضافی، به عنوان عامل کنترل، بهبود یابد. این امر یک مؤلفه از روش تفاوت در اختلافات را اضافه می‎کند که می‎تواند تأثیر رویدادهایی را فیلتر کند که بر هر دو گروه مداخله و کنترل تأثیر می‎گذارند.