联合国有一项反腐败公约（UNCAC），该公约已由大约 140 个国家签署并得到大多数国家的批准（链接）。
透明国际发布关于腐败的年度报告。他们有大多数国家在 2000 年至 2010 年期间的数据，每个国家的分数在 0 到 10 之间，其中 10 分是最好的（腐败程度最低）。腐败分数通常有轻微的趋势，表明腐败水平存在一定的惯性（链接）。
我想测试批准该公约是否对该国的腐败水平有任何积极影响。
我最初的想法是计算签署条约前后 3 年的平均腐败水平，并使用学生配对 t 检验来查看后者的平均值是否明显大于前者。
另一种我不太了解的方法是使用某种事件模型，其中在公约批准后的几年中使用虚拟变量。
您对此有何看法？第一种方法会起作用吗，有什么我忽略的吗？感谢所有反馈。
我应该注意，这是课程学期论文的一小部分。我们不应该做任何量化的事情，只是写一篇关于我们选择的主题的文章。但是我想快速查看一下统计数据，因为数据很容易获得，如果可能的话，我更喜欢查看数字。因此，我不需要理想的博士级统计模型，只需要快速简单的东西。
如果不深入研究源调查，这可能不是一个好主意。TI 自己指出，一个国家的指数变化可能来自腐败的变化，也可能只是他们使用的来源方法的变化。来源本身也会随着时间而变化，因此每年比较指数实际上是相当复杂的。
请参阅http://en.wikipedia.org/wiki/Corruption_Perceptions_Index上的参考资料
您的事前配对t检验想法的一个问题是，如果腐败分数随着时间的推移总体呈上升（或下降）趋势，而不管批准情况如何，它应该给出一个小的p值。您需要某种比较组，其中批准状态在两个时间点之间没有变化。
原则上，形成一个比较组的一种方法可以是找到一个匹配的“控制”国家，该国家在同一时间段内没有改变其批准状态的每个国家（其中一个样本）。“控制”国家应该有相似的基线腐败分数，理想情况下，在可能影响腐败变化率随时间变化的其他方面尽可能相似（这就是我所说的匹配）。我没有查看数据，所以我不知道这是否可行。如果您找不到足够匹配的“控制”国家/地区（但什么是“足够接近”？），您需要考虑从分析中删除更改状态的国家/地区。
无论如何，这肯定不会简单，但很少能从观测数据中得出关于因果效应的有效和站得住脚的结论。我同意@JMS 的观点，在您的情况下可能不值得尝试。