【研究设计与数据】
结局（次均住院费用，元/次）与时间单位（月）；序列区间（20XX 年 X 月–20XX 年 X 月，
共 48 个月）；干预（DRG 付费改革）与实施时点（第 25 个月）；干预前后各 24 个月；
数据来源、缺失/插补、异常值处理。
模型：Y = β0 + β1·time_c + β2·level + β3·trend_after + ε；time_c 为干预时点中心化。

【主要结果】
- 序列描述：均值、SD、干预前趋势（β1）与干预时点基线（β0）。
- 自相关诊断：残差 ACF、DW / actest（或 BG）结果 → 采用 Newey-West 修正的理由。
- 表 1：ITS 分段回归（β0–β3，HAC 标准误、95% CI、p 值；注明滞后阶数及选择依据）。
- 效应解读：β2 = 即时水平变化（元）；β3 = 斜率变化（元/月）；
  干预后总斜率 = β1 + β3；期末总效应 = β2 + k·β3（注明 k）。
- 图 1：原始序列 + 分段拟合 + 反事实虚线 + 干预时点竖线。

【稳健性检验】
- 表 2：安慰剂时点（第 X 个月）结果：β2、β3 应接近 0；
- 季节调整（月度虚拟/Fourier）后核心系数变化；
- 异常值敏感性（1%/99% 缩尾）；
- CITS（如有对照）：treat:level 与 treat:trend_after 交互项系数。

【结论与局限】
- 政策含义：方向、大小、持续时间（如「DRG 改革使次均费用即时下降约 600 元，
  且此后每月多降约 30 元」）。
- 局限：单组设计无法排除同期事件；自相关结构与滞后选择；序列长度与检验力；
  单一机构结果的外部效度。