如果之前已经解决过这个问题，我深表歉意，但是我在统计方面的经验有点有限，特别是在时间序列分析方面。
我当前的问题与单个产品事件前后月销售额趋势的分析有关。假设有一种新产品的月销售额在增加，但是公司决定在它推出 12 个月后发起促销以进一步增加销售额。一年后，公司想检查促销后的销售趋势是否与促销前的趋势有显着差异（理想情况下，促销开始后单位销售额会以更快的速度增长）。所以本质上，我想确定我是否在促销之前预测了未来 12 个月，销售与实际结果是否存在显着差异。
哪种统计测试最适合用来确定促销前后的月销售趋势是否存在显着差异？之前和之后的每个时间点（月销售额）我只有一个数据点，并且由于销售额在增加，由于许多测试的“平稳性”要求以及我只会有的事实，我遇到了问题初始预测所依据的 12 个历史数据点。
时间序列干预分析是否适合您的需求？它估计干预对时间序列的影响程度（如果有的话）。
如何在 R 中：http ://www.r-bloggers.com/time-series-intervention-analysis-wih-r-and-sas/
示例用例：我应该使用什么测试来确定政策更改是否对网站注册产生了统计上的显着影响？
在线课程笔记：https ://onlinecourses.science.psu.edu/stat510/?q=node/76
我意识到这个答案对于这个问题的发布者来说有点晚了，但我认为它可能会帮助其他人审查这个问题。
Bernal 等人有一篇关于中断时间序列分析的优秀教程论文：
伯纳尔，JL，康明斯，S.，加斯帕里尼；A.（2017 年）。用于评估公共卫生干预措施的中断时间序列回归：教程，国际流行病学杂志，46（1）：348-355。
最好的论文补充材料包括论文中讨论的所有示例的R 代码。
它与发帖人的问题特别相关，因为它使用分段线性回归，这比 ARIMA 更适合较小的数据集（即少于 100 个时间点）。
如果不了解有关数据的更多信息，尤其是自变量（回归量），就不可能为这里的任何人提供一个万能的解决方案。
但是，您要解决的问题属于计量经济学领域。因此，有几篇很好的文章会让你走得更远。
他们最简单的书将为您提供解决此问题的工具是Stock&Watson的《计量经济学导论》 。这是一本本科教科书，提供了一种非常现代的方法。您的小样本可能会给您带来问题。
在这种情况下，人们会推荐的标准书籍是 Fumio Hayashi 的“计量经济学”或Greene 的计量经济学分析。
最后，如果你真的想深入研究这个问题，指南是汉密尔顿具有里程碑意义的“时间序列分析”。然而，这是一本具有挑战性的书。
请注意，统计学中还有其他方法，通常有自己的术语和目标。然而，在这种情况下，计量经济学是最合适的，因为它正是为此类问题而设计的。
您必须具体运行哪些测试在很大程度上取决于数据、模型和方法。如果你想看看那里有什么可用的，这将是某种结构断裂测试。但是，正如您已经意识到的那样，在您进行这些测试之前，样本量和模型选择将成为 12 次观察的问题。
SSD For R 是一个使这种类型的干预分析相当容易的软件包。您只需要一个值和一个阶段列，并ABRegres为您提供数据以确定基线和干预阶段的趋势是否具有统计显着性。https://ssdanalysis.com