中断时间序列遇到季节性，图和模型怎样对应？

一项公共卫生政策在春天实施，研究者按月画出就诊量，发现实施后下降。若冬季本来就高、夏季本来就低，简单比较政策前后的平均值会把季节波动混进政策效果。中断时间序列稿件要让原始图、季节调整模型和最终效应量指向同一件事：在已存在的趋势与周期之外，政策实施时发生了什么变化。

先让读者看到完整时间线

结果图按等间隔展示所有观测点，清楚标出政策日期、干预前后覆盖的月份、缺失月份和异常点。若政策逐步实施，不应只画一条精准到某天的竖线而不解释过渡期。方法段写明结局计数或率的分母是否变化，数据来源和记录规则有无改动。比如门诊系统更换导致就诊量口径变化，这种同日事件会干扰政策解释，不能当作季节项自动解决。

自拟例子里，研究有干预前24个月、干预后12个月的月度数据，政策恰在4月生效。图上若每年冬季都有高峰，模型就要解释如何表示月度周期，例如月份指标或周期项，并说明是否有足够重复周期支持估计。干预前24个月包含两个完整年，干预后只有一年；读者仍需看原始数据和季节调整后的拟合线，才能理解政策当月的水平变化与后续斜率变化是怎样估出来的。仅把一条平滑线画得贴合点位，不说明模型，无法复核结论。

写清季节项之外的时间依赖

连续月份的误差常相关，方法段应说明如何检查自相关、采用何种修正或误差结构，以及处理后的残差诊断。结局若是计数，还需考虑人口分母和过度离散。可报告预定的不同季节调整方式、干预滞后期或排除异常月份的敏感性分析，但不能反复尝试直到P值最好看。结果中将政策瞬时水平变化和趋势变化分别给出估计与区间；若研究只能观察一个干预后周期，长期趋势推论应相应收窄。

中断时间序列分析的原始方法教程建议先绘制散点图识别趋势、季节性和异常点，并讨论季节调整、自相关和时间变化混杂。图形报告的原始研究进一步强调，图上的数据、干预点、模型线和不确定性应清楚区分。这些资料没有规定所有月度数据必须套同一种模型；重要的是说明所选模型与资料的频率、长度及研究问题匹配。

投稿前逐项对照原始月度表、绘图脚本和模型：干预日期是否一致，缺失月份有没有被插成零，图中拟合线是否来自正文模型。若冬季高峰经常出现，摘要里也应避免把春后自然下降直接写成政策成果。图上每年冬季都有高峰，就应让读者看到模型如何把这个周期与4月政策分开。

参考信息：中断时间序列回归的原始方法教程；中断时间序列图形报告研究。