원주시 모바일 상품권 할인 상향 한 달(2024년 9월)의 결제 변화
2024년 9월 2일 원주시 모바일 원주사랑상품권 구매 할인이 7%에서 10%로 상향된 달(9월), 6~9월 내내 할인율과 구매한도가 그대로였던 한국조폐공사 운영 시군과 비교해 원주의 월간 모바일 상품권 결제금액이 어떻게 달라졌는가?
아직은 '모르겠다'예요. 추정은 했지만 범위가 0을 포함하거나 조건이 약해서, 효과가 있었는지·얼마나인지 말할 수 없어요.
작성자 해석 조건부 (효과의 방향과 크기를 판별할 수 없음). 2024년 9월 원주의 월간 모바일 상품권 결제금액은 정책이 그대로였던 7개 시군과 거의 같이 움직였고(차이 약 -2%, 95% 신뢰구간 약 -14%~+17%), 같은 크기의 “차이”가 처치가 없던 달에도 나와요.
파이프라인 자동 요약 보기
요약(크기를 판별하지 못함): 추정치는 -0.02 log(1+원) (95% CI -0.15 ~ 0.16) 이지만 다음 위험 신호가 있어 단정하지 않고 범위로만 보고합니다: 처치 단위 수 부족(무작위화 추론 사용), 클러스터 수 부족(표준오차 과소추정 위험), 신뢰구간이 0을 포함. 신뢰구간이 0을 포함하므로 효과의 방향과 크기는 판별 불가입니다. 결론 전에 보완 분석이 필요합니다.
이 결과를 쓰려면
이렇게 쓰세요
- "이 자료로는 효과가 있었는지·얼마나인지 판별하지 못했다."
- 범위를 함께 쓰기: 월간 모바일 상품권 결제금액의 로그 변환 -2.2%, 95% 범위 -14.3% ~ +16.9%
- 그래도 말할 수 있는 것(배제 범위) — 월간 모바일 상품권 결제금액의 로그 변환: +16.9%보다 큰 증가나 -14.3%보다 큰 감소는 이 자료와 맞지 않습니다(설계 가정이 맞다는 전제).
이렇게 쓰면 안 됩니다
- '효과가 없다' — 판별하지 못한 것과 없는 것은 다릅니다
- 추정치 하나만 떼어 인용
원주시 모바일 상품권 할인 상향 한 달(2024년 9월)의 결제 변화 — 판정: 크기를 판별하지 못함. 출처: 정책 효과 분석 플랫폼(가짜연구소 인과추론팀 오픈소스), 2026-10-25 실행, https://causalinferencelab.github.io/policy-effect-analytics-agent/answers/whatfontisthis-wonju-voucher-202409.html · 공식 평가 아님
근거
| 결과 지표 | 추정 효과 | 95% 범위 | 판정 | 주의 |
|---|---|---|---|---|
| 월간 모바일 상품권 결제금액의 로그 변환 주 지표 | -2.2% | -14.3% ~ +16.9% | 크기를 판별하지 못함 | 처치 단위 수 부족(무작위화 추론 사용), 클러스터 수 부족(표준오차 과소추정 위험), 신뢰구간이 0을 포함 |
| 월간 모바일 이용자 수의 로그 변환 | +1.9% | -2.4% ~ +8.0% | 크기를 판별하지 못함 | 처치 단위 수 부족(무작위화 추론 사용), 클러스터 수 부족(표준오차 과소추정 위험), 신뢰구간이 0을 포함 |
로그 지표는 %로 바꿔 보여 줍니다(대조 대비 변화). 95% 범위가 0을 포함하면 '변화 없음'과 구별되지 않습니다.
그래도 말할 수 있는 것
효과가 있었는지는 판별하지 못했지만, 95% 범위 밖의 큰 효과는 이 자료와 맞지 않습니다(배제 범위). '효과가 없다'는 뜻이 아닙니다.
- 월간 모바일 상품권 결제금액의 로그 변환: +16.9%보다 큰 증가나 -14.3%보다 큰 감소는 이 자료와 맞지 않습니다(설계 가정이 맞다는 전제).
- 월간 모바일 이용자 수의 로그 변환: +8.0%보다 큰 증가나 -2.4%보다 큰 감소는 이 자료와 맞지 않습니다(설계 가정이 맞다는 전제).
숫자 내려받기 (CSV) · 전체 결과 API (JSON) · 전체 결과 CSV
작성자가 적은 한계
- “효과 없음”이라고 쓰지 말아요. 신뢰구간이 0을 지나서 “판별할 수 없음”이에요.
- 소상공인 전체 매출이나 순소비 증가로 읽지 말아요. 상품권 결제는 다른 결제 수단에서 옮겨 온 것일 수 있어요.
- 비교 지역 7곳을 통과시킨 규칙은 정책과 자료 품질만 봤지만, 규칙을 정할 때 월별 합계를 이미 훑어본 상태였어요. 규칙 선택에 결과가 영향을 줬을 가능성을 완전히 배제할 수 없어요.
- 이용자 수는 사람 수가 아니라 성별·연령·읍면동 칸의 합이에요.
이 결과를 얼마나 믿을 수 있나
판정과 별개로, 기록으로 확인되는 것만 적었습니다. 노란 항목은 결과가 틀렸다는 뜻이 아니라 아직 확인되지 않았다는 뜻입니다.
- 사전 등록 · 계획 먼저 커밋 plan.yaml 이 첫 결과보다 6일 먼저 커밋됐고, 그 뒤 바뀌지 않았습니다.
- 교차 재현 · 아직 없음 작성자 외에 다시 돌려 본 사람이 아직 없습니다.
- 작성자 해석 · 있음 discussion.md 에 '결과를 한 문장으로'가 있습니다.
- 실행 상태 · 커밋 안 된 변경 실행 당시 작업 폴더에 커밋 안 된 변경이 있었습니다.
교차 재현을 하셨나요? 재현 기록 남기기
쓴 공공데이터
| 데이터 | 이용 조건 |
|---|---|
| 한국조폐공사 지역사랑상품권 결제정보 데이터 지도 한국조폐공사 / 공공데이터포털 | 기타 — 출처 페이지의 이용 조건 확인 |
| 한국조폐공사 지역사랑상품권 지자체별 판매정책정보 데이터 지도 한국조폐공사 / 공공데이터포털 | 기타 — 출처 페이지의 이용 조건 확인 |
| 한국조폐공사 지역사랑상품권 사용처지역코드 참고문서 데이터 지도 한국조폐공사 / 공공데이터포털 | 기타 — 출처 페이지의 이용 조건 확인 |
원자료는 레포에 올리지 않습니다. 아래 명령이 공개 창구에서 직접 받아 같은 결과를 만듭니다. 각 데이터의 단위·받는 법·키 필요 여부는 데이터 지도에 있습니다.
직접 돌려 보기
git clone https://github.com/CausalInferenceLab/policy-effect-analytics-agent.git
cd policy-effect-analytics-agent
pip install -e ".[dev,analysis]"
make flow CASE=cases/whatfontisthis-wonju-voucher-202409실행 2026-10-25 · 코드 bae45ce · 데이터 해시 0a4e24c932ae · 실행 당시 작업 폴더에 커밋 안 된 변경 있음
내 지역·정책에 적용하기
- 이 폴더를 복사합니다:
cp -r cases/whatfontisthis-wonju-voucher-202409 cases/<내ID>-<주제> plan.yaml의 처치(정책·시작일·대상)와 대조를 바꾸고, 데이터를 보기 전에 커밋합니다.- 작업 제안으로 올리면 리뷰 후 이 화면에 같은 형식으로 나옵니다.