Zeitreihenanalyse eines Präventionseffektes am Beispiel des Unfallgeschehens in Zürich vor und nach Tempo 50

Zusammenfassung

Bei der Evaluation der Wirksamkeit präventiver Massnahmen treten Daten häufig in festen zeitlichen Abständen auf und es kann nicht ohne weiteres angenommen werden, dass aufeinanderfolgende Beobachtungen stochastisch unabhängig sind. Die Interpretation solcher Daten wird oft dadurch erschwert, dass saisonale Schwankungen und Trends vorliegen.

Anhand des Beispiels «Reduktion der Verkehrsunfälle nach Einführung von Tempo 50 in Zürich» wird dargestellt, wie die Methode der Zeitreihenanalyse dazu beitragen kann, die Effektivität solcher Massnahmen zu beurteilen.

Man bestimmt für die Reihe vor Einführung der präventiven Massnahme ein statistisches Modell, welches die Wahrscheinlichkeitsstruktur der Reihe wiedergibt. Dieses Modell wird benützt, um den weiteren Verlauf der Reihe, den man ohne präventive Massnahme erwartet hätte, vorauszusagen. Der erwartete und der wirkliche Verlauf werden dann in der gleichen graphischen Darstellung abgebildet. Mit einem Test wird geprüft, ob sich der unterschiedliche Verlauf auch durch Zufall erklären lässt. In einem ergänzenden Verfahren (Interventionsanalyse) wird die Grosse des Effekts geschätzt und ein Mass für die Genauigkeit der Schätzung angegeben.

Für die Daten der Stadt Zürich ergab sich nach Einführung von Tempo 50 für die Reihe «Anzahl Unfälle mit Verletzten» eine jährliche Reduktion von ungefähr 250 Unfällen (14%) mit zugehörigem Standardfehler von 30. Die Reduktion ist deutlich weniger ausgeprägt bei der Reihe «Anzahl Schwerverletzte» als bei der Reihe «Anzahl Leichtverletzte».

Summary

In the evaluation of the effect of preventive measures data often arise at fixed time intervals and it is likely that successive observations are stochastically dependent. By means of the example of the “possible reduction of traffic injuries after the introduction of a speed limitation (50 km/h) in Zurich” it is shown how time series methods can help to assess the efficiency of such measures.

For the series before the intervention a statistical model is identified which describes the probability structure of the series. This model is used to forecast the course of the series one would expect when no intervention takes place. The forecast and the actual series are then plotted in the same figure and the difference is analysed with a test. In addition to that the magnitude of the effect and its standard error are estimated (intervention analysis).

The series “numbers of accidents with injuries” showed after the intervention a yearly reduction of approximately 250 accidents (14%) with a corresponding standard error of 30. The reduction is markedly less pronounced in the series “number of seriously injured persons” than in the series “number of slightly injured persons”.

Résumé

Lors de l'évaluation de l'efficacité des mesures préventives les données se présentent souvent par intervalles fixés et on ne peut pas assumer que les observations sont indépendantes. Au moyen de l'exemple «réduction des accidents après l'introduction de la vitesse 50 à Zurich», on montre de quelle manière l'analyse des séries chronologiques peut aider à évaluer l'effet de cette mesure. Pour la part de la série avant l'intervention, on identifie un modèle statistique qui décrit la structure de la probabilité. Ce modèle sert à prédire le développement de la série attendu sans intervention. La série actuelle et la série prédite sont présentées dans la même figure et on analyse la différence avec un test. Dans une procédure additionnelle on indique l'estimation de l'effet et l'erreur-type correspondant (analyse d'intervention).

Pour les données de Zurich on observe, après la limitation de la vitesse, dans la série «nombre d'accidents avec des blessés» une réduction annuelle d'environ 250 accidents (14%) avec un erreurtype correspondant de 30. La réduction est moins forte dans la série «nombre de personnes gravement blessées» que dans la série «nombre de personnes légèrement blessées».