我希望这是发布此内容的正确位置，我考虑将其发布给怀疑论者，但我认为他们只会说这项研究在统计上是错误的。我很好奇这个问题的另一面，即如何正确地做。
在Quantified Self网站上，作者发布了一项实验结果，该实验是在一段时间内测量自己的一些输出指标，并比较突然停止喝咖啡前后的结果。结果是主观评价的，作者认为他有证据表明时间序列发生了变化，并且与政策的变化（喝咖啡）有关
这让我想起了经济模型。我们只有一个经济体（我们目前关心的），所以经济学家通常在做基本上 n=1 的实验。因此，随着时间的推移，数据几乎可以肯定是自相关的。美联储表示，经济学家们普遍关注着它启动一项政策并试图决定时间序列是否发生变化，这可能是由于政策的原因。
根据数据确定时间序列是增加还是减少的适当测试是什么？我需要多少数据？存在哪些工具？我最初的谷歌搜索建议使用马尔可夫切换时间序列模型，但并不是我的谷歌搜索技能让我无法仅凭技术名称帮助我做任何事情。
Jason 提到的 Box-Tiao 论文是基于已知的法律变更。这里的问题是如何检测时间点。答案是使用 Tsay 程序来检测干预，无论是脉冲、电平转换、季节性脉冲和/或本地时间趋势。
乔希说：
josh：来自 OP “根据数据确定时间序列是否增加或减少的适当测试是什么？”。我相信这要求确定残差的平均值是否已经改变而不是某些 ARIMA 模型的参数。在我看来，您推荐了错误的软件/解决方案程序，但这只是我的意见。– 爱尔兰统计局 2011 年 10 月 28 日 19:08
假设从一个 AR(1) 模型开始：
其中是，比如说，高斯噪声（均值为零和方差 这个系列的平均值。
该系列的平均值是
和在一段时间内没有改变，那么序列的整体平均值也会改变。但是，如果发生这些变化，则序列的平均值必然会发生变化。因此，在分段平稳性下，我们正在寻找这些参数的变化！
如果假设结构模型，则使用 Auto-PARM 程序。
翻阅一些关于结构中断的旧笔记，我有以下两个引用：
恩德斯，“应用计量经济时间序列”，第 2 版，ch。5.
Enders 讨论了干预、脉冲函数、渐变函数、传递函数等。这篇文章也可能会有所帮助：
Box、GEP 和 GC Tiao。1975.“应用于经济和环境问题的干预分析”。美国统计协会杂志 70：70-79。
难道你不能只使用变化点模型，然后尝试使用 MCMC 算法（如 Gibbs Sampling）来识别变化点吗？
这应该相对简单地实现，前提是您有一些数据的先验分布或完整的条件分布（对于 Gibbs）。
您可以在此处找到快速概览