Εισαγωγή

Η ψηφιακή πειρατεία αποτελεί διαχρονικό φαινόμενο στην Ελλάδα, βαθιά ριζωμένο τόσο στις καταναλωτικές συνήθειες όσο και στις δομικές ιδιαιτερότητες της ελληνικής αγοράς ψηφιακού περιεχομένου. Ήδη από τα τέλη της δεκαετίας του 2000, η ραγδαία εξάπλωση των ευρυζωνικών συνδέσεων μετέτρεψε την Ελλάδα σε μία από τις ευρωπαϊκές χώρες με τα υψηλότερα ποσοστά παράνομης κατανάλωσης οπτικοακουστικού περιεχομένου. Η εποχή του Napster και του Kazaa άνοιξε τον δρόμο στα torrents. Ελληνικά sites όπως το tainiesonline, τους Χρυσούς (xrysoi.net) και τους «Πειρατές» (oipeirates.tv) να γίνονται σημεία αναφοράς μιας ολόκληρης γενιάς, και στη συνέχεια στο πειρατικό streaming μέσω IPTV πλατφορμών, που αντικατέστησε σταδιακά τα torrents ως ο κυρίαρχος τρόπος πρόσβασης σε παράνομο περιεχόμενο. Σύμφωνα με έρευνα του Ευρωπαϊκού Γραφείου για τη Διανοητική Ιδιοκτησία (EUIPO), η Ελλάδα κατατάσσεται σταθερά μεταξύ των χωρών με τα υψηλότερα ποσοστά παράνομης θέασης οπτικοακουστικού περιεχομένου στην Ευρωπαϊκή Ένωση, ενώ στην ηλικιακή ομάδα 16–24 ετών, το ποσοστό χρήσης παράνομων πηγών αγγίζει το 60%, υπερδιπλάσιο του ευρωπαϊκού μέσου όρου. Οι χρήστες πειρατικών IPTV υπηρεσιών στη χώρα υπολογίζονται μεταξύ 650.000 και 900.000, σε μια αγορά όπου οι νόμιμοι συνδρομητές δεν ξεπερνούν τους 1.200.000, αναλογία που καθιστά σαφές ότι η πειρατεία δεν αποτελεί περιθωριακή πρακτική αλλά ευρέως διαδεδομένη κοινωνική συμπεριφορά.

Γράφημα 1 Εξέλιξη Ψηφιακής Πειρατείας ΕΕ-27 Μηνιαίες προσβάσεις ανά χρήστη ίντερνετ
Δείξε τα δεδομένα
Κατηγορία TV Ταινίες Μουσική Εκδόσεις Λογισμικό Αθλητικά Live Σύνολο (TV + Ταινίες + Μουσική)
2017 7.0 2.20 2.50 — — — 12.5
2018 6.0 1.80 1.80 — — — 10.5
2019 5.0 1.50 1.20 — — — 8.5
2020 4.5 1.10 0.80 — — — 7.0
2021 5.0 1.20 0.60 2.6 0.75 0.41 6.8
2022 5.1 1.19 0.55 2.7 0.85 0.75 6.8
2023 5.1 0.90 0.60 2.7 0.90 0.53 6.5
Σημείωση. — δεν υπάρχει τιμή.

Η ελληνική πολιτεία επιχείρησε να αντιμετωπίσει το φαινόμενο σταδιακά, ακολουθώντας μια πορεία κλιμακούμενων παρεμβάσεων. Οι πρώτοι μηχανισμοί αποκλεισμού ιστοσελίδων εφαρμόστηκαν γύρω στο 2012 με βάση το άρθρο 64Α του Ν. 2121/1993, αν και η εφαρμογή τους παρέμεινε σποραδική για σχεδόν μια δεκαετία. Το κρίσιμο θεσμικό βήμα ήρθε τον Σεπτέμβριο του 2018 με τη σύσταση της Επιτροπής για τη Γνωστοποίηση Διαδικτυακής Προσβολής Δικαιωμάτων Πνευματικής Ιδιοκτησίας και Συγγενικών Δικαιωμάτων (ΕΔΠΠΙ) υπό τον Οργανισμό Πνευματικής Ιδιοκτησίας (ΟΠΙ). Ωστόσο, η δράση της ΕΔΠΠΙ κατά τα πρώτα χρόνια ήταν μάλλον αδρανής: από το 2018 έως το 2022 εξέδωσε μόλις 38 αποφάσεις αποκλεισμού. Η εικόνα άλλαξε δραματικά στη συνέχεια: η ΕΔΠΠΙ επιτάχυνε τη δράση της με 62 αποφάσεις το 2022, 89 το 2023 και 124 αποφάσεις-ρεκόρ το 2024, στοχεύοντας 810 διευθύνσεις IP και 49 ονόματα τομέα. Σε αυτό το πλαίσιο κλιμάκωσης εντάσσεται και η νομοθετική τροποποίηση του 2020–2021 (Ν. 4761/2020 και Ν. 4821/2021) που εισήγαγε τη δυνατότητα δυναμικού αποκλεισμού ιστοσελίδων σε πραγματικό χρόνο, με ιδιαίτερη εστίαση στις ζωντανές αθλητικές μεταδόσεις.

Παρά την κλιμάκωση αυτή, μέχρι τον Φεβρουάριο του 2025 η ελληνική νομοθεσία διατηρούσε ένα θεμελιώδες χαρακτηριστικό: οι κυρώσεις απευθύνονταν αποκλειστικά σε όσους παρείχαν ή διένειμαν πειρατικό υλικό, ποτέ στους τελικούς χρήστες. Η αλλαγή αυτού του παραδείγματος ήρθε στις 20 Φεβρουαρίου 2025 με τη θέση σε ισχύ του Ν. 5179/2025 (ΦΕΚ Α΄/26/20-2-2025), ο οποίος τροποποίησε ριζικά το άρθρο 65Α του Ν. 2121/1993. Η σημαντικότερη μεταρρύθμιση του νόμου σχετίζεται με τη θέσπιση διοικητικού προστίμου εις βάρος τελικών χρηστών που αποκτούν πρόσβαση σε οπτικοακουστικά έργα ή ραδιοτηλεοπτικές εκπομπές μέσω παράνομου εξοπλισμού ή λογισμικού. Τα πρόστιμα είναι κλιμακωτά: 750 ευρώ για τους οικιακούς χρήστες, 1.500 ευρώ σε περίπτωση υποτροπής, 1.500 έως 3.000 ευρώ για δημόσια προβολή, και 5.000 έως 10.000 ευρώ για εκμετάλλευση πειρατείας με οικονομικό όφελος. Παράλληλα, ο νόμος εισάγει τη δυνατότητα σύνδεσης IP διεύθυνσης με ΑΦΜ κατόχου γραμμής, καθιστώντας τον υπεύθυνο για κάθε δραστηριότητα μέσω της σύνδεσής του, μια πρόβλεψη που δημιουργεί ιδιαίτερη ανησυχία για ιδιοκτήτες Airbnb, καφετεριών και λοιπών επαγγελματικών χώρων. Παρ’ ότι η νομοθεσία στοχεύει στην προστασία πνευματικών δικαιωμάτων, εγείρονται ανησυχίες για τις οικονομικές επιπτώσεις στον μέσο χρήστη, δεδομένου ότι το μηνιαίο κόστος νόμιμων συνδρομών ξεπερνά συχνά τα 50 ευρώ.

Γράφημα 2 Μερίδια πειρατείας ανά τύπο περιεχομένου 100% ποσοστά
Πηγή: EUIPO / MUSO (2024)
Δείξε τα δεδομένα
Κατηγορία TV (%) Ταινίες (%) Μουσική (%) Εκδόσεις (%) Λογισμικό (%) Αθλητικά Live (%)
2017 7.0 2.20 2.50 — — —
2018 6.0 1.80 1.80 — — —
2019 5.0 1.50 1.20 — — —
2020 4.5 1.10 0.80 — — —
2021 5.0 1.20 0.60 2.6 0.75 0.41
2022 5.1 1.19 0.55 2.7 0.85 0.75
2023 5.1 0.90 0.60 2.7 0.90 0.53
Σημείωση. — δεν υπάρχει τιμή.

Η δημόσια αντίδραση ήταν ταχεία και ευρεία. Τα κοινωνικά δίκτυα, ιδίως το TikTok, γέμισαν με βίντεο Ελλήνων που σχολίαζαν τον νέο νόμο, ενώ η νέα νομοθεσία οδήγησε πολλούς να αναζητήσουν ή να επενδύσουν σε VPN υπηρεσίες, εικονικά ιδιωτικά δίκτυα που κρυπτογραφούν τη σύνδεση του χρήστη και «μεταφέρουν» την IP του σε άλλη χώρα, καθιστώντας θεωρητικά αδύνατη τη σύνδεσή του με πειρατική δραστηριότητα. Η ειρωνεία δεν πέρασε απαρατήρητη: ένας νόμος σχεδιασμένος να αποτρέψει την πειρατεία φαίνεται να πυροδότησε μαζική αναζήτηση του πιο αποτελεσματικού εργαλείου παράκαμψής του. Πρόκειται για μια κλασική εκδήλωση του λεγόμενου Streisand Effect, του φαινομένου κατά το οποίο η προσπάθεια να περιοριστεί η πρόσβαση σε πληροφορία ή υπηρεσία καταλήγει στο αντίθετο αποτέλεσμα, ενισχύοντας τη ζήτηση και τη δημοσιότητά της.

Γράφημα 3 Κλίμακα Προστίμων, Ν. 5179/2025 Σε σύγκριση με μηνιαίο κόστος νόμιμων συνδρομών (~50€)
Δείξε τα δεδομένα
Κατηγορία Πρόστιμο (€)
Οικιακός (1η παράβαση) 750
Οικιακός (υποτροπή) 1,500
Δημόσια προβολή (ελάχ.) 1,500
Δημόσια προβολή (μέγ.) 3,000
Εμπορική εκμετ. (ελάχ.) 5,000
Εμπορική εκμετ. (μέγ.) 10,000

Το ερώτημα που τίθεται, ωστόσο, δεν είναι αν η αντίδραση ήταν πραγματική, καθώς αυτό είναι ορατό ήδη από τα ανεκδοτικά στοιχεία και τα social media, αλλά αν μπορεί να τεκμηριωθεί ποσοτικά με αιτιακή ακρίβεια. Αύξησε πράγματι ο αντιπειρατικός νόμος το ενδιαφέρον για VPN στην Ελλάδα; Πόσο μεγάλη ήταν αυτή η αύξηση σε σχέση με ό,τι θα αναμενόταν χωρίς τον νόμο; Και ήταν παροδική ή διατηρήθηκε στον χρόνο; Μια απλή σύγκριση «πριν και μετά» δεν αρκεί για να απαντηθούν αυτά τα ερωτήματα, καθώς αγνοεί πλήρως τους συγχυτικούς παράγοντες: ενδεχόμενη προϋπάρχουσα ανοδική τάση, εποχικά πρότυπα, ή ταυτόχρονα εξωτερικά γεγονότα (γεωπολιτικά, data breaches, τεχνολογικές εξελίξεις) που θα μπορούσαν ανεξάρτητα να αυξήσουν το ενδιαφέρον για VPN. Αυτή η ανάλυση αντιμετωπίζει το πρόβλημα ως πρόβλημα αιτιακής εκτίμησης (causal inference) και χρησιμοποιεί πέντε συμπληρωματικές μεθόδους (Synthetic Control, Bayesian CausalImpact, Difference-in-Differences, Synthetic DiD και Interrupted Time Series) σε δεδομένα Wikipedia pageviews, κατασκευάζοντας ένα αντιπαραγοντικό (counterfactual) σενάριο που αποτυπώνει τι θα είχε συμβεί αν ο νόμος δεν είχε ψηφιστεί.

Βιβλιογραφική Επισκόπηση

Ψηφιακή πειρατεία: αίτια, κίνητρα και κοινωνικές διαστάσεις

Η ακαδημαϊκή βιβλιογραφία αναγνωρίζει σταθερά ότι η ψηφιακή πειρατεία δεν αποτελεί απλώς ζήτημα νομικής παρέκκλισης αλλά σύνθετο κοινωνικοοικονομικό φαινόμενο. Οι πρώιμες μελέτες εστίασαν στην οικονομική διάσταση: η τιμή, η διαθεσιμότητα και η ποιότητα των νόμιμων εναλλακτικών αποτελούν βασικούς προβλεπτικούς παράγοντες της πειρατικής συμπεριφοράς (Oberholzer-Gee & Strumpf, 2007; Smith & Telang, 2012). Η θεωρία της λογικής δράσης (Theory of Reasoned Action) και η θεωρία σχεδιαζόμενης συμπεριφοράς (Theory of Planned Behavior) αξιοποιήθηκαν εκτενώς για την ερμηνεία της πρόθεσης του χρήστη να πειρατεύσει περιεχόμενο, αναδεικνύοντας τον ρόλο των κοινωνικών κανόνων, της αντιλαμβανόμενης ηθικής του πράξης και του αντιλαμβανόμενου κινδύνου (Al-Rafee & Cronan, 2006; Yoon, 2011). Στο ελληνικό πλαίσιο, οι Kanellopoulos και Kolokotronis (2019) τεκμηρίωσαν ότι η υψηλή ανοχή στην πειρατεία συσχετίζεται με μια ευρύτερη πολιτισμική στάση απέναντι στο ψηφιακό περιεχόμενο ως «δημόσιο αγαθό», ενώ η οικονομική κρίση της δεκαετίας 2010–2020 ενίσχυσε δραστικά τα κίνητρα εξοικονόμησης κόστους.

Η μετάβαση από τα torrents στο πειρατικό IPTV σηματοδοτεί μια ποιοτική αλλαγή στη φύση της πειρατείας. Ο Poort et al. (2014) περιέγραψε αυτή τη μετατόπιση ως μετάβαση από την «ενεργή» στην «παθητική» πειρατεία: ο χρήστης δεν κατεβάζει πλέον αρχεία αλλά «βλέπει», μια εμπειρία σχεδόν πανομοιότυπη με τη νόμιμη τηλεόραση, γεγονός που μειώνει τον αντιλαμβανόμενο κίνδυνο και ενισχύει τη διάχυση. Η EUIPO (2023) εκτιμά ότι η πειρατεία IPTV στην Ευρώπη αντιπροσωπεύει πλέον πάνω από 1 δισ. ευρώ σε ετήσιες απώλειες εσόδων, με τα αθλητικά γεγονότα (ποδόσφαιρο, μπάσκετ, τένις) να συνιστούν τον ταχύτερα αναπτυσσόμενο τομέα πειρατικής κατανάλωσης.

Αποτελεσματικότητα αντιπειρατικής νομοθεσίας

Η βιβλιογραφία σχετικά με την αποτελεσματικότητα των νομοθετικών μέσων κατά της πειρατείας παρουσιάζει αμφίσημα αποτελέσματα. Η πρώτη γενιά μελετών εξέτασε τις επιδράσεις πρωτοβουλιών τύπου «graduated response», του λεγόμενου μοντέλου HADOPI στη Γαλλία, και βρήκε αρχικά αποτελέσματα αποτροπής που εξασθένησαν ταχύτατα, μέσα σε λίγους μήνες (Danaher et al., 2014). Αντιστοίχως, η μελέτη των Adermon & Liang (2014) για τη σουηδική νομοθεσία IPRED (2009) κατέδειξε βραχυπρόθεσμη μείωση 16–28% στη χρήση BitTorrent, η οποία ωστόσο εξαφανίστηκε εντός ενός έτους καθώς οι χρήστες μετανάστευσαν σε εναλλακτικά κανάλια πειρατείας. Ο Peukert et al. (2017) κατέδειξε ένα αντιφατικό αποτέλεσμα: το κλείσιμο του Megaupload τον Ιανουάριο 2012 δεν αύξησε τις νόμιμες πωλήσεις ταινιών, ενώ ταυτόχρονα αύξησε τα downloads σε εναλλακτικά πειρατικά δίκτυα.

Η αποτελεσματικότητα των μηχανισμών αποκλεισμού ιστοσελίδων (site blocking) αποτέλεσε αντικείμενο εντατικής μελέτης. Οι Danaher et al. (2016) εξέτασαν τον αποκλεισμό 53 ιστοσελίδων στο Ηνωμένο Βασίλειο και διαπίστωσαν σημαντική μείωση στις επισκέψεις πειρατικών ιστοσελίδων, αλλά με ταυτόχρονη αύξηση στις αναζητήσεις VPN και proxy, υποδηλώνοντας μερική μετατόπιση μάλλον παρά εξάλειψη της ζήτησης. Παρομοίως, ο Aguiar et al. (2018) σε πολυεθνική ανάλυση αποκλεισμών ISP κατέδειξε ότι ο μέσος αποκλεισμός μειώνει τις επισκέψεις κατά 20–30%, αλλά η χρήση εργαλείων παράκαμψης αυξάνεται αντιστρόφως ανάλογα.

Το Streisand Effect και η αντιδραστική υιοθέτηση VPN

Η έννοια του Streisand Effect (Gross, 2003), κατά την οποία η προσπάθεια κατάργησης ή περιορισμού πληροφορίας οδηγεί σε αντίθετο αποτέλεσμα, αποτελεί χρήσιμο θεωρητικό πλαίσιο για την ερμηνεία αντιδράσεων σε αντιπειρατικούς νόμους. Στην ψηφιακή πολιτική, τεκμηριωμένα παραδείγματα περιλαμβάνουν τη ρωσική απαγόρευση του Telegram το 2018, η οποία οδήγησε σε πενταπλασιασμό των downloads VPN σε λιγότερο από ένα μήνα (Trevisan et al., 2019), και τους περιοδικούς αποκλεισμούς ιστοσελίδων στην Τουρκία, που κάθε φορά συνοδεύονταν από αιχμές αναζητήσεων για εργαλεία παράκαμψης λογοκρισίας (Dainotti et al., 2014). Η υιοθέτηση VPN σε απάντηση σε ρυθμιστικές παρεμβάσεις δεν αποτελεί ιδιοσυγκρασία ορισμένων αγορών: τα δεδομένα δείχνουν σταθερά ότι η θεσμοθέτηση απειλών κατά των τελικών χρηστών αυξάνει αντί να μειώνει τη χρήση τεχνολογιών προστασίας ιδιωτικότητας, και μάλιστα μεταξύ χρηστών που ως εκείνο το σημείο δεν χρησιμοποιούσαν τέτοια εργαλεία (Dutton et al., 2011).

Η μοναδικότητα της ελληνικής περίπτωσης έγκειται στο ότι ο Ν. 5179/2025 αποτελεί μία από τις ελάχιστες νομοθετικές πρωτοβουλίες στην ΕΕ που εισάγει ρητώς διοικητικά πρόστιμα εις βάρος τελικών χρηστών για πρόσβαση σε πειρατικό οπτικοακουστικό περιεχόμενο, σε αντίθεση με τα κυρίαρχα ευρωπαϊκά μοντέλα που εστιάζουν στην πλευρά της προσφοράς (notice-and-takedown, graduated response, site blocking). Αυτή η στοχοποίηση της ζήτησης δημιούργησε ιδιαίτερα πρόσφορο έδαφος για αντιδραστική υιοθέτηση VPN, δεδομένης και της χαμηλής αρχικής διείσδυσης VPN στην Ελλάδα σε σύγκριση με βόρειες ευρωπαϊκές χώρες (Surfshark, 2024).

Μεθοδολογικό πλαίσιο: CausalImpact και αιτιακή εκτίμηση σε χρονοσειρές

Η αιτιακή εκτίμηση με βάση χρονοσειρές αποτελεί κεντρική μεθοδολογική πρόκληση στην αξιολόγηση δημόσιων πολιτικών. Δύο από τις πλέον διαδεδομένες μεθόδους είναι η Synthetic Control (Abadie et al., 2010) και η CausalImpact (Brodersen et al., 2015). Η Synthetic Control κατασκευάζει ένα αντιπαραγοντικό σενάριο ως σταθμισμένο μέσο όρο μονάδων ελέγχου (donor pool), επιλέγοντας βάρη που ελαχιστοποιούν την απόκλιση από τη μονάδα-στόχο κατά την pre-intervention περίοδο. Η μέθοδος είναι ιδιαίτερα κατάλληλη όταν υπάρχει σαφώς ορισμένη «treated» μονάδα και πλούσιο panel ελέγχων.

Η CausalImpact αξιοποιεί Μπεϋζιανά Δομικά Μοντέλα Χρονοσειρών (BSTS) για την κατασκευή του counterfactual. Η μέθοδος υπερτερεί σε τρεις διαστάσεις: (α) ενσωματώνει αβεβαιότητα μέσω Μπεϋζιανών πιστοτικών διαστημάτων, (β) μοντελοποιεί ρητά τάση, εποχικότητα και τυχαίες διακυμάνσεις ως ξεχωριστά στοιχεία, και (γ) ενσωματώνει εξωγενείς μεταβλητές ελέγχου μέσω spike-and-slab regression. Οι δύο μέθοδοι είναι συμπληρωματικές: η σύγκλισή τους σε παρόμοιες εκτιμήσεις αποτελεί ισχυρή ένδειξη εγκυρότητας. Η παρούσα ανάλυση εφαρμόζει και τις δύο στα ίδια δεδομένα.

Δεδομένα

Η πρώτη επιλογή για τη μέτρηση «πόσο ενδιαφέρθηκαν οι Έλληνες για VPN» είναι συνήθως το Google Trends. Σε αυτή την ανάλυση, όμως, προτιμήθηκαν τα Wikipedia pageviews, οι ημερήσιες αναγνώσεις του άρθρου «Εικονικό ιδιωτικό δίκτυο» στην ελληνική Wikipedia, για τέσσερις βασικούς λόγους:

Πρώτον, τα Wikipedia views μετρούνται σε απόλυτα νούμερα (πραγματικές επισκέψεις), όχι σε σχετική κλίμακα 0–100 όπως τα Google Trends. Αυτό επιτρέπει αξιόπιστη σύγκριση μεταξύ γλωσσών/χωρών χωρίς το πρόβλημα της κανονικοποίησης σε διαφορετικές κλίμακες. Δεύτερον, η ανάγνωση ενός ολόκληρου άρθρου Wikipedia αντιπροσωπεύει βαθύτερη ενασχόληση από μια απλή αναζήτηση, είναι ένδειξη πρόθεσης ενημέρωσης, όχι απλής περιέργειας. Τρίτον, το Wikipedia API είναι δημόσιο, δωρεάν και ντετερμινιστικό: κάθε κλήση επιστρέφει τα ίδια νούμερα, εξασφαλίζοντας πλήρη αναπαραγωγιμότητα, σε αντίθεση με τα Google Trends, τα οποία εμφανίζουν δειγματοληπτική μεταβλητότητα μεταξύ κλήσεων. Τέταρτον, κάθε γλωσσική Wikipedia έχει το δικό της άρθρο για VPN, προσφέροντας φυσικό donor pool: οι γλώσσες χωρών που δεν πέρασαν αντίστοιχο νόμο αποτελούν ιδανικές μονάδες ελέγχου.

Συλλογή δεδομένων

Συλλέχθηκαν ημερήσια δεδομένα από 20 ευρωπαϊκές γλώσσες, καλύπτοντας την περίοδο Ιανουαρίου 2022 – Απριλίου 2026. Το άρθρο «Εικονικό ιδιωτικό δίκτυο» στην ελληνική Wikipedia έχει baseline 16 αναγνώσεις/ημέρα (διάμεσος τιμή), με peak 190 αναγνώσεις στις 26 Μαρτίου 2025, λίγες εβδομάδες μετά τη δημοσίευση του νόμου.

Η περίοδος ανάλυσης ξεκινά τον Ιανουάριο 2023 (εξασφαλίζοντας ~2 έτη pre-intervention δεδομένων) και εκτείνεται έως τα μέσα Απριλίου 2026, επιτρέποντας περισσότερο από ένα έτος post-intervention παρατηρήσεων, σημαντικά μεγαλύτερο παράθυρο από ό,τι θα επέτρεπαν βραχύβιες πηγές όπως τα Google Trends.

Η εικόνα μιλά μόνη της

Πριν εφαρμόσουμε οποιαδήποτε στατιστική μέθοδο, αξίζει να δούμε τα ωμά δεδομένα. Κάθε γραμμή αντιπροσωπεύει μια γλώσσα, κανονικοποιημένη ως προς τον δικό της μέσο όρο πριν το 2025. Η κόκκινη γραμμή είναι η Ελλάδα.

Γράφημα 4 Η Ελλάδα ξεχωρίζει από κάθε άλλη γλώσσα Wikipedia VPN pageviews, κανονικοποιημένα σε pre-2025 baseline (log)
Δείξε τα δεδομένα

99 γραμμές: πολλές για πίνακα σε αυτή τη σελίδα. Κατέβασε το αρχείο για όλα τα νούμερα.

Το πρότυπο είναι οπτικά ξεκάθαρο: η Ελλάδα ακολουθούσε τη μάζα των γλωσσών μέχρι τις 20 Φεβρουαρίου 2025. Αμέσως μετά, εκτοξεύεται, ενώ καμία άλλη γλώσσα δεν κάνει αντίστοιχη κίνηση. Αυτή η παρατήρηση αποκλείει ένα παγκόσμιο confounder (π.χ. data breach, viral marketing VPN, παγκόσμιο γεγονός) ως εξήγηση. Αυτή η εικόνα, αν και πειστική, δεν αρκεί, χρειαζόμαστε ποσοτική εκτίμηση του εφέ και στατιστική σημαντικότητα.

Μεθοδολογία

Τι είναι το αντιπαραγοντικό;

Η θεμελιώδης πρόκληση στην αιτιακή εκτίμηση είναι ότι δεν μπορούμε να παρατηρήσουμε τι θα γινόταν αν ο νόμος δεν είχε ψηφιστεί. Αυτό το υποθετικό σενάριο ονομάζεται αντιπαραγοντικό (counterfactual), και κάθε μέθοδος αιτιακής εκτίμησης ουσιαστικά προσπαθεί να το κατασκευάσει. Μια απλή σύγκριση «πριν-μετά» δεν αρκεί γιατί αγνοεί ερωτήματα όπως: «Μήπως το ενδιαφέρον θα αυξανόταν ούτως ή άλλως;» ή «Μήπως αυξάνεται κάθε Φεβρουάριο;». Χρειαζόμαστε ένα μοντέλο που λαμβάνει υπόψη τάσεις, εποχικότητα και εξωγενείς παράγοντες.

Αντί να δεσμευτούμε σε μία μεθοδολογία, εφαρμόζουμε πέντε διαφορετικές προσεγγίσεις, καθεμία με διαφορετική λογική κατασκευής του αντιπαραγοντικού και διαφορετικές υποθέσεις ταυτοποίησης. Η σύγκλιση ή απόκλισή τους θα κρίνει την ευρωστία του ευρήματος.

Μέθοδος 1: Συνθετικός Έλεγχος (Synthetic Control)

Η μέθοδος Synthetic Control (Abadie et al., 2010) κατασκευάζει μια «συνθετική Ελλάδα»: έναν σταθμισμένο μέσο όρο άλλων γλωσσικών εκδόσεων της Wikipedia που ταιριάζει όσο το δυνατόν καλύτερα στο ιστορικό πρότυπο των ελληνικών αναγνώσεων πριν τον νόμο. Τα βάρη wi για κάθε γλώσσα-δότη i επιλέγονται μέσω περιορισμένης βελτιστοποίησης: πρέπει να είναι μη αρνητικά και να αθροίζουν στη μονάδα (wi≥0, ∑iwi=1), ελαχιστοποιώντας την απόκλιση μεταξύ πραγματικής και συνθετικής σειράς κατά την περίοδο πριν την παρέμβαση. Η διαφορά μεταξύ πραγματικής Ελλάδας και συνθετικής Ελλάδας κατά την μετά-παρεμβατική περίοδο αποτελεί την εκτίμηση του αιτιακού αποτελέσματος.

Η εγκυρότητα της μεθόδου ελέγχεται μέσω εικονικών ελέγχων (placebo tests): εφαρμόζουμε την ίδια μέθοδο σε κάθε γλώσσα του donor pool σαν να ήταν η «treated». Αν η Ελλάδα κατατάσσεται εμφανώς πρώτη (μεγαλύτερος λόγος post/pre MSPE), τότε το εφέ δεν αντιπροσωπεύει τυπική διακύμανση.

Η μέθοδος Synthetic Control στηρίζεται σε σύνολο υποθέσεων (Abadie, 2021):

  • Μη-προαντίδραση (no anticipation): Η μονάδα-στόχος δεν αντιδρά στην παρέμβαση πριν αυτή τεθεί σε ισχύ.
  • Μη-παρεμβολή (no interference / SUTVA): Η παρέμβαση στην Ελλάδα δεν επηρεάζει τις χώρες-δότες.
  • Διαθεσιμότητα κατάλληλης ομάδας σύγκρισης: Καμία χώρα του donor pool δεν έχει υποστεί παρόμοια παρέμβαση κατά την περίοδο μελέτης.
  • Συνθήκη κυρτού περιβλήματος (convex hull condition): Η πραγματική Ελλάδα μπορεί να προσεγγιστεί ως σταθμισμένος μέσος όρος των δοτών.
  • Καλή προσαρμογή πριν την παρέμβαση: Η συνθετική μονάδα αναπαράγει αξιόπιστα την πραγματική κατά την pre-period.
  • Επαρκές pre- και post-intervention παράθυρο.

Μέθοδος 2: CausalImpact

Η μέθοδος CausalImpact (Brodersen et al., 2015) λειτουργεί σε τρία στάδια. Κατά το πρώτο στάδιο, ένα Μπεϋζιανό Δομικό Μοντέλο Χρονοσειρών (BSTS) εκπαιδεύεται στη σχέση μεταξύ της χρονοσειράς-στόχου (ελληνικές αναγνώσεις) και των χρονοσειρών-ελέγχου. Το μοντέλο αποτελείται από τρία συστατικά: ένα τοπικό επίπεδο (local level), μια εποχική συνιστώσα (seasonality), και μια παλινδρόμηση με spike-and-slab prior. Κατά το δεύτερο στάδιο, το εκπαιδευμένο μοντέλο παράγει το αντιπαραγοντικό. Κατά το τρίτο στάδιο, η διαφορά μεταξύ παρατηρούμενων και προβλεπόμενων τιμών, μαζί με τα Μπεϋζιανά πιστοτικά διαστήματα, αποτελεί την εκτίμηση του αιτιακού αποτελέσματος.

Βασικές υποθέσεις (Brodersen et al., 2015):

  • Εξωγένεια των συμμεταβλητών: Οι χρονοσειρές-ελέγχου δεν έχουν επηρεαστεί από την παρέμβαση.
  • Σταθερή σχέση στόχου–ελέγχων διαχρονικά: Η γραμμική σχέση μεταξύ της ελληνικής σειράς και των σειρών-ελέγχου παραμένει σταθερή κατά την μετά-παρεμβατική περίοδο.
  • Σταθερότητα δομής μοντέλου (no structural breaks).

Μέθοδος 3: Διαφορές στις Διαφορές (Difference-in-Differences)

Η μέθοδος Difference-in-Differences (DiD) είναι εννοιολογικά η απλούστερη από τις πέντε. Η βασική ιδέα είναι διπλή αφαίρεση: υπολογίζουμε την αλλαγή της Ελλάδας πριν και μετά την παρέμβαση, υπολογίζουμε την αντίστοιχη αλλαγή των χωρών-δοτών, και παίρνουμε τη διαφορά τους. Σε τυπική μορφή, εκτιμάται η παλινδρόμηση:

Yit=αi+γt+τ⋅Dit+εit

όπου Yit είναι οι log-αναγνώσεις για τη γλώσσα i στην εβδομάδα t, αi σταθερές επιδράσεις ανά γλώσσα, γt σταθερές επιδράσεις ανά εβδομάδα, και Dit δείκτης που παίρνει τιμή 1 μόνο για την Ελλάδα κατά την μετά-παρεμβατική περίοδο. Ο συντελεστής τ είναι η αιτιακή εκτίμηση.

Η κεντρική υπόθεση ταυτοποίησης είναι η παράλληλη τάση (parallel trends): απουσία της παρέμβασης, η ελληνική σειρά και οι σειρές των δοτών θα ακολουθούσαν παράλληλες τροχιές.

Μέθοδος 4: Συνθετικές Διαφορές στις Διαφορές (Synthetic DiD)

Η Synthetic Difference-in-Differences (Arkhangelsky et al., 2021) συνδυάζει τα βέλτιστα χαρακτηριστικά του Synthetic Control και του DiD. Επιλέγει βάρη μονάδων (unit weights) ωˆi φτιάχνοντας έναν σταθμισμένο συνδυασμό δοτών που ταιριάζει στην Ελλάδα, και επιπλέον βάρη χρόνου (time weights) λˆt που δίνουν μεγαλύτερη βαρύτητα σε προ-παρεμβατικές εβδομάδες που είναι πιο αντιπροσωπευτικές του μετά-παρεμβατικού παραθύρου. Η εκτίμηση πραγματοποιείται μέσω γενικευμένης σταθμισμένης παλινδρόμησης two-way fixed effects:

τˆsdid=arg⁡minτ,α,γ⁡∑i,tωˆiλˆt(Yit−αi−γt−τDit)2

Μέθοδος 5: Διακοπτόμενη Χρονοσειρά (Interrupted Time Series)

Η Interrupted Time Series (ITS) αγνοεί πλήρως τους δότες και προβλέπει το αντιπαραγοντικό αποκλειστικά ως συνέχιση της ιστορικής τάσης της ελληνικής σειράς. Σε τυπική μορφή:

Yt=β0+β1t+β2Dt+β3(t−t0)Dt+εt

όπου β2 είναι η άμεση αλλαγή επιπέδου μετά την παρέμβαση και β3 η αλλαγή στην κλίση. Στηρίζεται στην υπόθεση συνέχισης αντιπαραγοντικού: απουσία παρέμβασης, η προ-παρεμβατική τάση θα συνεχιζόταν αναλλοίωτη.

Κοινά δεδομένα

Και οι πέντε μέθοδοι εφαρμόζονται στα ίδια δεδομένα: εβδομαδιαίες αναγνώσεις Wikipedia του άρθρου VPN σε ευρωπαϊκές γλώσσες (Ιαν 2023 – Απρ 2026), σε λογαριθμική μορφή ώστε τα αποτελέσματα να ερμηνεύονται ως ποσοστιαίες μεταβολές. Αποκλείστηκαν 4 γλώσσες λόγω ακραίων ιδιοσυγκρασιακών αιχμών (σλοβενικά, γαλλικά, τουρκικά) ή δυσανάλογα μεγάλης κλίμακας (αγγλικά).

Μετά τον καθαρισμό, το δείγμα αποτελείται από 112 εβδομάδες πριν την παρέμβαση και 61 εβδομάδες μετά, με 15 γλώσσες-δότες.

Υποθέσεις και σύγκλιση μεθόδων

Οι πέντε μέθοδοι δεν είναι εναλλακτικές ίσης αξίας· αντίθετα, στηρίζονται σε διαφορετικές υποθέσεις ταυτοποίησης και συνεπώς παρέχουν ανεξάρτητους ελέγχους της εγκυρότητας του ευρήματος. Το SC και το ASC στηρίζονται σε γεωμετρική υπόθεση (κυρτό περίβλημα). Το CausalImpact σε στατιστική σχέση (σταθερή γραμμική σύνδεση στόχου-ελέγχων). Το DiD σε χρονική υπόθεση (παράλληλες τάσεις). Το SDID σε μικτές υποθέσεις με λανθάνοντες παράγοντες. Το ITS σε υπόθεση χωρίς δότες (συνέχιση τάσης).

Αν ένα ενιαίο λανθάνον σύγχυτο επηρέαζε τα δεδομένα χωρίς να σχετίζεται με τον νόμο, δεν θα επιβίωνε σε όλες τις μεθόδους ταυτόχρονα, καθώς διαφορετικές υποθέσεις ταυτοποίησης θα το ανίχνευαν διαφορετικά.

Έλεγχος Υποθέσεων

Η εφαρμοσιμότητα κάθε μεθόδου εξαρτάται από το κατά πόσο ικανοποιούνται οι υποθέσεις ταυτοποίησής της στα συγκεκριμένα δεδομένα. Η ενότητα αυτή οργανώνεται σε πέντε υποενότητες, μία για κάθε μέθοδο, και καταλήγει σε συγκεντρωτική αξιολόγηση. Για κάθε υπόθεση, ο έλεγχος καταλήγει σε ένα από τρία πιθανά αποτελέσματα: ικανοποιείται / μερικώς ικανοποιείται / παραβιάζεται.

Α. Synthetic Control

Α.1 Μη-προαντίδραση (no anticipation)

Έλεγχος αν οι Έλληνες χρήστες άρχισαν να αναζητούν VPN πριν τις 20 Φεβρουαρίου 2025, επειδή ο νόμος είχε τυχόν διαρρεύσει στον Τύπο. Χρησιμοποιείται placebo test: συγκρίνεται το μέγεθος του placebo εφέ με το πραγματικό εφέ.

Πίνακας 1 Placebo-in-time test για Synthetic Control.
Ψεύτικη παρέμβαση Ψευδές εφέ (%) Ερμηνεία
02 Σεπ 2024 +1.4 Αμελητέο εφέ
28 Οκτ 2024 −3.4 Αμελητέο εφέ
23 Δεκ 2024 −4.6 Αμελητέο εφέ
20 Ιαν 2025 −1.1 Αμελητέο εφέ
20 Φεβ 2025 +133 Αναφορά
Σημείωση. Σκιασμένη γραμμή: η πραγματική παρέμβαση και το μέγιστο εφέ της, για σύγκριση.

Α.2 Μη-παρεμβολή (SUTVA)

Έλεγχος αν Έλληνες αναγνώστες μπήκαν στα αγγλικά ή βουλγαρικά άρθρα VPN μετά την ανακοίνωση του νόμου, «μολύνοντας» τους δότες.

Πίνακας 2 De-trended SUTVA test: |z| > 2 σηματοδοτεί πιθανό spillover.
Γλώσσα Z-score απόκλισης
nl −42.68
pl −38.57
fi −27.07
it −25.80
de −23.10
es −21.97
pt −20.82
ro −14.34
sv −14.04
da −12.89
cs −9.52
hr −8.35
sk −7.44
bg −4.75
hu −4.73
Σημείωση. ⚠ |z| > 2: πιθανό spillover.

Α.3 Συνθήκη κυρτού περιβλήματος

Έλεγχος αν η ελληνική σειρά βρίσκεται εντός του εύρους των δοτών (μπορεί να εκφραστεί ως κυρτός συνδυασμός τους).

Γράφημα 5 Συνθήκη κυρτού περιβλήματος (Synthetic Control) Η Ελλάδα είναι εντός donor envelope σε 99.1% των εβδομάδων
Δείξε τα δεδομένα

112 γραμμές: πολλές για πίνακα σε αυτή τη σελίδα. Κατέβασε το αρχείο για όλα τα νούμερα.

Α.4 Καλή pre-intervention προσαρμογή

Έλεγχος της ποιότητας fit της συνθετικής Ελλάδας στην πραγματική κατά την προ-παρεμβατική περίοδο (RMSPE, Post/Pre MSPE ratio).

Πίνακας 3 Αξιολόγηση pre-intervention προσαρμογής Synthetic Control.
Μέτρο Τιμή Αξιολόγηση
RMSPE pre-period (log) 0.2385 Κακή
RMSPE post-period (log) 0.4797 Post-period, αναμένεται μεγάλο
Λόγος MSPE post/pre 4.0× Αδύναμο
Κατάταξη μεταξύ placebos 1 / 16 Top 6%
Permutation test p = 0.062 p ≥ 0.05
Γράφημα 6 Synthetic Control: Πραγματική vs Συνθετική Ελλάδα Pre RMSPE = 0.2385 | Post/Pre MSPE = 4.0× | p = 0.062
Δείξε τα δεδομένα

173 γραμμές: πολλές για πίνακα σε αυτή τη σελίδα. Κατέβασε το αρχείο για όλα τα νούμερα.

Α.5 Επαρκές παράθυρο εκτίμησης

Πίνακας 4 Επάρκεια χρονικού παραθύρου εκτίμησης.
Μέτρο Τιμή
Εβδομάδες πριν από την παρέμβαση 112
Εβδομάδες μετά την παρέμβαση 61
Σύνολο εβδομάδων 173

Σύνοψη Synthetic Control

Πίνακας 5 Συνοπτική αξιολόγηση υποθέσεων Synthetic Control.
Υπόθεση και διαγνωστικό Τιμή p
Α.1 Μη-προαντίδραση Ισχύει
Μέγιστο |εφέ| placebo (%) 4.6 —
Πραγματικό εφέ (%) 133 —
Α.2 Μη-παρεμβολή (SUTVA) Ισχύει
Ανοδικό spillover στις 4 εβδ. Κανένα —
Α.3 Κυρτό περίβλημα Ισχύει
Θέση της Ελλάδας στο εύρος των δοτών (%) 99.1 —
Εύρος δοτών [2.41, 6.08] —
Α.4 Καλή pre-fit προσαρμογή Μερική
RMSPE (log) 0.2385 —
Λόγος MSPE post/pre 4.0× —
Permutation test — 0.062
Α.5 Επαρκές παράθυρο Ισχύει
Εβδομάδες πριν 112 —
Εβδομάδες μετά 61 —
Σημείωση. — δεν υπάρχει τιμή.

Συνολικά, 4 από τις 5 υποθέσεις του Synthetic Control ικανοποιούνται πλήρως. Η υπόθεση SUTVA (Α.2) δεν παραβιάζεται ως προς τον κεντρικό της άξονα, δεν υπάρχει ένδειξη ανοδικού spillover από την Ελλάδα στους δότες. Η μέθοδος κρίνεται εφαρμόσιμη στα δεδομένα μας.

Β. CausalImpact

Β.1 Εξωγένεια συμμεταβλητών

Έλεγχος αν οι χρονοσειρές-ελέγχου επηρεάστηκαν από τον ελληνικό νόμο.

Πίνακας 6 Έλεγχος εξωγένειας: log gap (Ελλάδα − δότης).
Γλώσσα Gap pre Gap post Shift p Εξωγενής
pt −1.811 −1.041 +0.770 < 0.001 Ναι
es −2.721 −2.151 +0.570 < 0.001 Ναι
it −2.244 −1.699 +0.546 < 0.001 Ναι
ro −0.674 −0.143 +0.531 < 0.001 Ναι
sk −0.147 0.328 +0.476 < 0.001 Ναι
pl −1.473 −1.045 +0.428 < 0.001 Ναι
hu −0.331 0.052 +0.383 < 0.001 Ναι
cs −1.013 −0.678 +0.334 < 0.001 Ναι
fi −0.805 −0.540 +0.264 < 0.001 Ναι
hr 0.132 0.367 +0.235 < 0.001 Ναι
nl −1.183 −1.000 +0.183 0.005 Ναι
bg 0.096 0.259 +0.163 0.009 Ναι
de −3.205 −3.046 +0.159 0.025 Ναι
sv −0.290 −0.277 +0.013 0.424 Όχι
da 0.458 0.449 −0.009 0.548 Όχι
Γράφημα 7 Εξωγένεια: Log gap Ελλάδας − δοτών Μέσος shift post: +0.336 | 13/15 δότες εξωγενείς
Δείξε τα δεδομένα

173 γραμμές: πολλές για πίνακα σε αυτή τη σελίδα. Κατέβασε το αρχείο για όλα τα νούμερα.

Β.2 Σταθερή σχέση target-controls

Έλεγχος structural break στη σχέση ελληνικής σειράς και ελέγχων μέσω CUSUM/MOSUM/supF tests.

Πίνακας 7 Tests σταθερότητας σχέσης target-controls (pre-period).
Έλεγχος Περιγραφή p Κατάσταση
OLS-CUSUM Σωρευτικές αποκλίσεις συντελεστών 0.260 Σταθερό
OLS-MOSUM Τοπικές αποκλίσεις (κυλιόμενο παράθυρο) 0.294 Σταθερό
Quandt-Andrews supF Εκτίμηση ημερομηνίας structural break < 0.001 Break ~Ιουλ 2023
Γράφημα 8 OLS-CUSUM: Σταθερότητα σχέσης target-controls CUSUM p = 0.2603 | MOSUM p = 0.2945 | supF p = 0.0000
Δείξε τα δεδομένα

112 γραμμές: πολλές για πίνακα σε αυτή τη σελίδα. Κατέβασε το αρχείο για όλα τα νούμερα.

Β.3 Σταθερότητα δομής μοντέλου

Πίνακας 8 Tests σταθερότητας δομής BSTS μοντέλου.
Έλεγχος Περιγραφή Στατ. Τιμή p Κατάσταση
Variance stability (F-test) Ισότητα διακύμανσης 1ου/2ου μισού pre-period F 1.556 0.104 Σταθερή
Seasonality stability (F-test) Σταθερότητα μηνιαίων προτύπων μεταξύ ετών F 7.1968 < 0.001 Αστάθεια
Stationarity (ADF) Απόρριψη μοναδιαίας ρίζας ADF −1.789 0.664 Μοναδιαία ρίζα

Β.4 & Β.5 Επαρκές ιστορικό & Σύγκλιση MCMC

Πίνακας 9 Σύγκλιση MCMC: εκτιμήσεις από τρία runs.
Seed Σχετικό εφέ (%) 95% CI Απόλυτο εφέ p
2025 27.10 [16.71, 38.69] 0.7928 < 0.001
42 27.12 [16.50, 38.87] 0.7928 < 0.001
1337 27.14 [16.50, 39.17] 0.7928 < 0.001
Σημείωση. Σύνοψη των τριών runs: μέσο σχετικό εφέ 27.12% ± 0.02%, συντελεστής μεταβλητότητας (CV) 0.07%.
Γράφημα 9 Σύγκλιση MCMC, Relative Effect ανά Run Μέσος: 27.12% | SD: 0.02% | CV: 0.07%
Δείξε τα δεδομένα
Κατηγορία 95% Credible Interval (%) κάτω 95% Credible Interval (%) άνω Relative Effect (%)
Seed 2025 16.71 38.69 27.10
Seed 42 16.50 38.87 27.12
Seed 1337 16.50 39.17 27.14

Σύνοψη CausalImpact

Πίνακας 10 Συνοπτική αξιολόγηση υποθέσεων CausalImpact.
Υπόθεση και διαγνωστικό Τιμή p
Β.1 Εξωγένεια συμμεταβλητών Ισχύει
Εξωγενείς δότες 13 / 15 —
Mean shift (log) +0.336 —
Β.2 Σταθερή σχέση target-controls Μερική
OLS-CUSUM — 0.260
OLS-MOSUM — 0.294
Quandt-Andrews supF (τομή ~Ιουλ 2023) — < 0.001
Β.3 Σταθερότητα δομής Παραβιάζεται
Διακύμανση (F-test) — 0.104
Εποχικότητα (F-test) — < 0.001
ADF — 0.664
Β.4 Επαρκές ιστορικό Ισχύει
Εβδομάδες ιστορικού 112 —
Εποχικοί κύκλοι 2.2 —
Β.5 Σύγκλιση MCMC Ισχύει
CV (%) 0.07 —
Μέσο σχετικό εφέ (%) 27.12 ± 0.02 —
Σημείωση. — δεν υπάρχει τιμή.

Η αξιολόγηση των υποθέσεων του CausalImpact αναδεικνύει ένα συνεκτικό πρότυπο: οι υποθέσεις που αφορούν την επάρκεια δεδομένων (Β.4) και τη σχέση Ελλάδας-δοτών (Β.1) ικανοποιούνται, ενώ οι υποθέσεις που αφορούν τη διαχρονική σταθερότητα παραβιάζονται ή ικανοποιούνται μερικώς.

Η κοινή αιτία είναι το φαινόμενο υποκατάστασης Wikipedia από συστήματα LLM: η σταδιακή μείωση της χρήσης Wikipedia από τα μέσα 2024 εισάγει ένα structural break (~Ιούλιος 2024) που αποσταθεροποιεί τόσο τη σχέση target-controls όσο και την εποχικότητα της ελληνικής σειράς.

Η μέθοδος κρίνεται μη εφαρμόσιμη στα συγκεκριμένα δεδομένα. Τα αποτελέσματά της παρουσιάζονται αποκλειστικά για λόγους διαφάνειας και σύγκρισης. Η αιτιακή εκτίμηση στηρίζεται στις τρεις μεθόδους που ικανοποιούν τις κρίσιμες υποθέσεις τους: Synthetic Control, Difference-in-Differences και Synthetic DiD.

Γ. Difference-in-Differences

Γ.1 Παράλληλες τάσεις

Η κεντρική υπόθεση ταυτοποίησης του DiD απαιτεί ότι απουσία παρέμβασης, η ελληνική σειρά και οι σειρές των δοτών θα ακολουθούσαν παράλληλες τροχιές. Με μία μόνο treated unit, το standard two-way FE event study αντιμετωπίζει τέλεια πολυσυγγραμμικότητα (Callaway & Sant’Anna, 2021). Η ενδεδειγμένη προσέγγιση είναι ο υπολογισμός του DiD gap, της διαφοράς της Ελλάδας από τον μέσο των δοτών, ανά 4-εβδομαδιαία περίοδο, με reference period την αμέσως προηγούμενη της παρέμβασης.

Πίνακας 11 Έλεγχος παράλληλων τάσεων DiD.
Έλεγχος Στατ. Τιμή p Ερμηνεία
Pre-period slope (Ελλάδα vs δότες) z 0.50 — Εντός κατανομής δοτών
Τάση pre-period gap slope 0.001376 0.042 Υπάρχει τάση
Joint test: pre-period gaps = 0 t −5.620 < 0.001 gaps ≠ 0
Σημείωση. — δεν υπάρχει τιμή.
Γράφημα 10 Event Study: DiD gap ανά περίοδο Pre-trend slope p = 0.0416 | Joint p = 0.0001 | Slope z = 0.50
Δείξε τα δεδομένα
Κατηγορία 95% CI κάτω 95% CI άνω DiD gap Gap ανά περίοδο
2024-01-22 −0.1870 −0.0497 −0.1184 −0.1184
2024-02-19 −0.1195 0.0443 −0.0376 −0.0376
2024-03-18 −0.2560 0.0321 −0.1120 −0.1120
2024-04-15 −0.3052 0.0431 −0.1310 −0.1310
2024-05-13 −0.2261 0.1630 −0.0315 −0.0315
2024-06-10 −0.4214 −0.0673 −0.2444 −0.2444
2024-07-08 −0.3437 −0.1487 −0.2462 −0.2462
2024-08-05 −0.6048 −0.1132 −0.3590 −0.3590
2024-09-02 −0.3912 0.1495 −0.1209 −0.1209
2024-09-30 −0.1844 0.0730 −0.0557 −0.0557
2024-10-28 −0.1912 −0.0520 −0.1216 −0.1216
2024-11-25 −0.2429 −0.0237 −0.1333 −0.1333
2024-12-23 −0.3805 0.0750 −0.1527 −0.1527
2025-01-20 −0.0678 0.0678 0.0000 0.0000
2025-02-17 0.1697 0.3911 0.2804 0.2804
2025-03-17 0.6078 1.8615 1.2347 1.2347
2025-04-14 0.6429 0.7986 0.7207 0.7207
2025-05-12 0.4866 0.6625 0.5745 0.5745
2025-06-09 0.1592 0.3178 0.2385 0.2385
2025-07-07 0.1075 0.3312 0.2193 0.2193
2025-08-04 0.0984 0.4310 0.2647 0.2647
2025-09-01 0.0225 0.1824 0.1025 0.1025
2025-09-29 0.2236 0.4961 0.3599 0.3599
2025-10-27 −0.1683 0.2906 0.0611 0.0611
2025-11-24 −0.0721 0.0733 0.0006 0.0006
2025-12-22 −0.4416 −0.0311 −0.2364 −0.2364
2026-01-19 −0.3605 −0.1101 −0.2353 −0.2353
2026-02-16 −0.4470 0.2007 −0.1231 −0.1231
2026-03-16 −0.4261 0.0262 −0.1999 −0.1999

Γ.2 Λοιπές υποθέσεις (SUTVA, σταθερή σύνθεση, ομοιογενή σοκ)

Οι λοιπές υποθέσεις του DiD ελέγχονται έμμεσα: SUTVA μέσω ανάλυσης spillover, σταθερή σύνθεση εκ κατασκευής (Wikipedia γλωσσικές εκδόσεις), ομοιογενή σοκ μέσω LLM effect που απορροφάται από time fixed effects.

Σύνοψη Difference-in-Differences

Πίνακας 12 Συνοπτική αξιολόγηση υποθέσεων DiD.
Υπόθεση και διαγνωστικό Τιμή p
Γ.1 Παράλληλες τάσεις Μερική
Pre-period slope, z 0.50 —
Τάση του gap — 0.042
Joint test: gaps = 0, t −5.620 < 0.001
Γ.2 Μη-παρεμβολή (SUTVA) Ισχύει
Εξωγενείς δότες 13 / 15 —
Γ.3 Σταθερή σύνθεση Ισχύει
Εκ κατασκευής: γλωσσικές Wikipedia — —
Γ.4 Ομοιογενή σοκ Ισχύει
Το εφέ των LLM απορροφάται από τα time fixed effects — —
Σημείωση. — δεν υπάρχει τιμή.

Η αξιολόγηση αναδεικνύει μερική ικανοποίηση της κεντρικής υπόθεσης παράλληλων τάσεων. Η pre-period κλίση της Ελλάδας είναι εντός της κατανομής των δοτών, αλλά δύο επιπλέον έλεγχοι εγείρουν ανησυχίες: η μικρή αλλά στατιστικά σημαντική τάση του pre-period gap και ο joint test. Η ερμηνεία αυτών των ευρημάτων απαιτεί προσοχή: το αρνητικό πρόσημο αποκαλύπτει ότι η Ελλάδα ήταν συστηματικά κάτω από τον μέσο των δοτών στην pre-period, μόνιμη διαφορά επιπέδου που το DiD απορροφά μέσω unit fixed effects. Η ανησυχία εστιάζεται στη σταδιακή αλλαγή του gap, που αποδίδεται στον ετερογενή τρόπο με τον οποίο το LLM effect πλήττει γλώσσες διαφορετικού μεγέθους. Η μέθοδος κρίνεται εφαρμόσιμη με επιφύλαξη.

Δ. Synthetic DiD

Δ.1 Υπό συνθήκη παράλληλες τάσεις

Γράφημα 11 SDID: Weighted pre-period gap Weighted p = 0.0239 | Unweighted p = 0.0253 | T0.eff = 4.9/112
Δείξε τα δεδομένα
Κατηγορία Weighted trend Pre-period gap
2022-12-26 −0.5356 −0.5460
2023-01-02 −0.5404 −1.1030
2023-01-09 −0.5452 −1.1815
2023-01-16 −0.5500 −1.0720
2023-01-23 −0.5548 −0.9642
2023-01-30 −0.5596 −0.9393
2023-02-06 −0.5645 −1.0576
2023-02-13 −0.5693 −1.1943
2023-02-20 −0.5741 −1.1042
2023-02-27 −0.5789 −1.0087
2023-03-06 −0.5837 −1.2293
2023-03-13 −0.5885 −0.9567
2023-03-20 −0.5933 −1.0593
2023-03-27 −0.5981 −1.0665
2023-04-03 −0.6029 −1.1237
2023-04-10 −0.6077 −1.1878
2023-04-17 −0.6125 −1.2073
2023-04-24 −0.6173 −1.0950
2023-05-01 −0.6221 −1.3318
2023-05-08 −0.6269 −1.1705
2023-05-15 −0.6317 −1.2763
2023-05-22 −0.6365 −1.4008
2023-05-29 −0.6414 −0.9508
2023-06-05 −0.6462 −1.0913
2023-06-12 −0.6510 −0.9512
2023-06-19 −0.6558 −1.2124
2023-06-26 −0.6606 −1.0511
2023-07-03 −0.6654 −0.2625
2023-07-10 −0.6702 −1.1285
2023-07-17 −0.6750 −0.9753
2023-07-24 −0.6798 −0.9311
2023-07-31 −0.6846 −0.9167
2023-08-07 −0.6894 −0.7915
2023-08-14 −0.6942 −0.7941
2023-08-21 −0.6990 −0.7875
2023-08-28 −0.7038 −0.8651
2023-09-04 −0.7086 −1.0670
2023-09-11 −0.7134 −0.7867
2023-09-18 −0.7182 −0.5647
2023-09-25 −0.7231 −0.5004
2023-10-02 −0.7279 −0.6638
2023-10-09 −0.7327 −0.5164
2023-10-16 −0.7375 −0.8054
2023-10-23 −0.7423 −0.8023
2023-10-30 −0.7471 −0.5680
2023-11-06 −0.7519 −0.8173
2023-11-13 −0.7567 −0.6795
2023-11-20 −0.7615 −0.8558
2023-11-27 −0.7663 −1.0275
2023-12-04 −0.7711 −0.7770
2023-12-11 −0.7759 −0.5109
2023-12-18 −0.7807 −0.4820
2023-12-25 −0.7855 −0.7389
2024-01-01 −0.7903 −0.7965
2024-01-08 −0.7951 −0.6763
2024-01-15 −0.8000 −0.4246
2024-01-22 −0.8048 −0.5466
2024-01-29 −0.8096 −0.7187
2024-02-05 −0.8144 −0.9419
2024-02-12 −0.8192 −0.6903
2024-02-19 −0.8240 −0.8547
2024-02-26 −0.8288 −0.7615
2024-03-04 −0.8336 −0.8342
2024-03-11 −0.8384 −0.9465
2024-03-18 −0.8432 −0.8011
2024-03-25 −0.8480 −0.8193
2024-04-01 −0.8528 −0.8935
2024-04-08 −0.8576 −1.0437
2024-04-15 −0.8624 −1.1224
2024-04-22 −0.8672 −0.7135
2024-04-29 −0.8720 −0.8910
2024-05-06 −0.8769 −0.8688
2024-05-13 −0.8817 −0.5599
2024-05-20 −0.8865 −0.7112
2024-05-27 −0.8913 −0.9528
2024-06-03 −0.8961 −0.9349
2024-06-10 −0.9009 −1.1527
2024-06-17 −0.9057 −1.1108
2024-06-24 −0.9105 −0.7541
2024-07-01 −0.9153 −0.9347
2024-07-08 −0.9201 −0.8660
2024-07-15 −0.9249 −0.9640
2024-07-22 −0.9297 −1.0793
2024-07-29 −0.9345 −1.0589
2024-08-05 −0.9393 −1.2155
2024-08-12 −0.9441 −1.2118
2024-08-19 −0.9489 −0.7432
2024-08-26 −0.9537 −1.2020
2024-09-02 −0.9586 −0.3996
2024-09-09 −0.9634 −1.0561
2024-09-16 −0.9682 −1.0429
2024-09-23 −0.9730 −0.8978
2024-09-30 −0.9778 −0.6892
2024-10-07 −0.9826 −0.9843
2024-10-14 −0.9874 −0.7436
2024-10-21 −0.9922 −0.8509
2024-10-28 −0.9970 −0.8339
2024-11-04 −1.0018 −0.7826
2024-11-11 −1.0066 −0.9612
2024-11-18 −1.0114 −0.9316
2024-11-25 −1.0162 −0.9685
2024-12-02 −1.0210 −0.7545
2024-12-09 −1.0258 −0.9711
2024-12-16 −1.0306 −0.9812
2024-12-23 −1.0355 −0.8840
2024-12-30 −1.0403 −1.1744
2025-01-06 −1.0451 −1.0416
2025-01-13 −1.0499 −0.6149
2025-01-20 −1.0547 −0.6965
2025-01-27 −1.0595 −0.7900
2025-02-03 −1.0643 −0.8513
2025-02-10 −1.0691 −0.7956

Δ.2 Δομή λανθάνοντων παραγόντων (SVD analysis)

Γράφημα 12 SVD decomposition: Low-rank δομή panel Top-1: 99.6% | Top-2: 99.7% | Top-3: 99.8%
Δείξε τα δεδομένα
Κατηγορία Ανά component (%) Αθροιστικό (%)
PC1 99.6 99.6
PC2 0.1 99.7
PC3 0.1 99.8
PC4 0.0 99.9
PC5 0.0 99.9
PC6 0.0 99.9
PC7 0.0 99.9
PC8 0.0 99.9

Δ.3 & Δ.4 Effective pre-periods & In-space placebo

Πίνακας 13 Έλεγχος conditional parallel trends SDID.
Έλεγχος Στατ. Τιμή p Κατάσταση
Weighted gap trend (με βάρη λ) slope −0.004806 0.024 Τάση
Unweighted gap trend — — 0.025 Τάση
Weighted mean gap (log) — −0.9083 — Απόκλιση
Effective pre-periods (T0.eff, από 112 εβδ.) — 4.9 — Χαμηλό
Σημείωση. — δεν υπάρχει τιμή.
Γράφημα 13 In-space placebo: SDID effect κατανομή Ελλάδα rank: 2/16 | p = 0.125
Δείξε τα δεδομένα
Κατηγορία SDID effect
pt −0.5617
pl −0.3578
ro −0.2578
es −0.2177
hu −0.1948
fi −0.0777
it −0.0766
sk −0.0071
cs 0.0038
hr 0.0324
nl 0.0798
bg 0.1113
da 0.1432
sv 0.1657
el (πραγματικό) 0.3232
de 0.3314

Σύνοψη Synthetic DiD

Πίνακας 14 Συνοπτική αξιολόγηση υποθέσεων Synthetic DiD.
Υπόθεση και διαγνωστικό Τιμή p
Δ.1 Conditional parallel trends Μερική
Weighted gap trend — 0.024
Unweighted gap trend — 0.025
Δ.2 Low-rank factor structure Ισχύει
Top-3 συνιστώσες SVD (%) 99.8 —
Δ.3 Effective pre-periods Μερική
T0.eff (από 112) 4.9 —
HHI 0.2035 —
Δ.4 In-space placebo Παραβιάζεται
Κατάταξη 2 / 16 0.125
Σημείωση. — δεν υπάρχει τιμή.

Το SDID ικανοποιεί τις κρίσιμες υποθέσεις. Η low-rank δομή του panel (Δ.2) επιβεβαιώνει ότι τα δεδομένα συμμορφώνονται με τις θεωρητικές απαιτήσεις της μεθόδου. Το χαμηλό T0.effective (Δ.3) αντικατοπτρίζει το structural break του Ιουλίου 2024, αλλά αυτό είναι ακριβώς η περίπτωση που τα βάρη χρόνου του SDID σχεδιάστηκαν να χειριστούν, δίνοντας μεγαλύτερο βάρος στις pre-period εβδομάδες που μοιάζουν περισσότερο με το post-period window. Η μέθοδος κρίνεται εφαρμόσιμη.

Ε. Interrupted Time Series

Ε.1 Συνέχιση αντιπαραγοντικού (split-sample test)

Η κρίσιμη υπόθεση του ITS, ότι η pre-intervention τάση μπορεί να προβληθεί αξιόπιστα ως counterfactual, ελέγχεται μέσω split-sample test: εκτιμάται το μοντέλο μόνο στο πρώτο μισό της pre-period και αξιολογείται η ακρίβεια πρόβλεψης στο δεύτερο μισό.

Πίνακας 15 Split-sample test ITS: προβλεπτική ακρίβεια εκτός δείγματος.
Μέτρο Τιμή Αξιολόγηση
RMSE εντός δείγματος (log) 0.2887 —
RMSE εκτός δείγματος (log) 0.8883 —
Λόγος RMSE εκτός/εντός 3.08× Κακή
Μέση απόκλιση, bias (log) −0.7933 Σημαντικό
Παρατηρήσεις εντός 95% PI (%) 33.9 Χαμηλό
Σημείωση. — χωρίς αξιολόγηση.
Γράφημα 14 ITS: Split-sample generalization test Out/In RMSE = 3.08× | Bias = -0.7933 | 33.9% εντός 95% PI
Δείξε τα δεδομένα

112 γραμμές: πολλές για πίνακα σε αυτή τη σελίδα. Κατέβασε το αρχείο για όλα τα νούμερα.

Ε.2 Σωστή μοντελοποίηση αυτοσυσχέτισης

Πίνακας 16 Έλεγχος αυτοσυσχέτισης residuals ITS.
Έλεγχος Στατ. Τιμή p Κατάσταση
Durbin-Watson DW 1.167 < 0.001 Αυτοσυσχέτιση
Ljung-Box (lag = 10) χ² 19.297 0.037 Αυτοσυσχέτιση
ACF lag-1 r 0.379 — Σημαντική
Σημείωση. — δεν υπάρχει τιμή.
Γράφημα 15 ACF Residuals ITS DW = 1.167 (p = 0.0003) | Ljung-Box p = 0.0367 | ACF(1) = 0.379
Δείξε τα δεδομένα
Lag (εβδομάδες) ACF
1 0.3787
2 0.0684
3 0.1223
4 0.1728
5 0.2903
6 0.1142
7 0.0466
8 −0.0355
9 −0.1346
10 −0.0311
11 0.1934
12 0.2204
13 −0.0386
14 −0.1111
15 −0.1405
16 −0.0080
17 −0.0125

Ε.3 Σταθερή εποχικότητα

Πίνακας 17 Έλεγχος σημαντικότητας εποχικότητας (pre-period).
Μέτρο Τιμή Αξιολόγηση
R² χωρίς εποχικότητα (t) 0.0490 —
R² με εποχικότητα (t + month) 0.3102 —
Αύξηση R² +0.2612 —
F-test για τη διαφορά p = < 0.001 Σημαντική εποχικότητα
Σημείωση. — χωρίς αξιολόγηση.
Γράφημα 16 ITS: Εποχικοί συντελεστές (μηνιαίοι) F-test p = 0.0005 | R² gain = +0.2612
Δείξε τα δεδομένα
Κατηγορία 95% CI κάτω 95% CI άνω Εποχικός συντελεστής
Φεβ −0.3956 0.0817 −0.1570
Μάρ −0.4874 0.0259 −0.2307
Απρ −0.5639 −0.0708 −0.3173
Μάι −0.6456 −0.1523 −0.3990
Ιούν −0.7680 −0.2572 −0.5126
Ιούλ −0.7058 −0.2284 −0.4671
Αύγ −0.7349 −0.2233 −0.4791
Σεπ −0.3934 0.1020 −0.1457
Οκτ −0.3293 0.1656 −0.0818
Νοέ −0.4916 0.0247 −0.2335
Δεκ −0.3263 0.1564 −0.0850

Σύνοψη Interrupted Time Series

Πίνακας 18 Συνοπτική αξιολόγηση υποθέσεων ITS.
Υπόθεση και διαγνωστικό Τιμή p
Ε.1 Counterfactual continuation Παραβιάζεται
Λόγος RMSE εκτός/εντός 3.08× —
Bias (log) −0.7933 —
Εντός 95% PI (%) 33.9 —
Ε.2 Σωστή αυτοσυσχέτιση Παραβιάζεται
Durbin-Watson 1.167 < 0.001
Ljung-Box — 0.037
ACF(1) 0.379 —
Ε.3 Σταθερή εποχικότητα Παραβιάζεται
F 3.408 < 0.001
Αύξηση R² +0.2612 —
Σημείωση. — δεν υπάρχει τιμή.

Δύο ή περισσότερες κρίσιμες υποθέσεις παραβιάζονται. Το ITS κρίνεται μη εφαρμόσιμο στα συγκεκριμένα δεδομένα. Η pre-intervention τάση δεν γενικεύεται αξιόπιστα, η αυτοσυσχέτιση καθιστά τα τυπικά σφάλματα ανακριβή, και η εποχικότητα παραλείπεται συστηματικά. Τα αποτελέσματά του παρουσιάζονται στην ενότητα Αποτελεσμάτων αποκλειστικά για λόγους διαφάνειας.

Αποτελέσματα

Επισκόπηση εκτιμήσεων

Πριν παρουσιαστούν αναλυτικά τα αποτελέσματα κάθε μεθόδου, ο παρακάτω πίνακας συνοψίζει τις κεντρικές εκτιμήσεις του αιτιακού εφέ. Για κάθε μέθοδο αναφέρεται το μέσο post-intervention εφέ (ATT) εκφρασμένο ως ποσοστιαία μεταβολή στις Wikipedia αναγνώσεις VPN, το 95% CI, η στατιστική σημαντικότητα, και η αξιολόγηση εφαρμοσιμότητας.

Πίνακας 19 Συγκεντρωτικές εκτιμήσεις αιτιακού εφέ.
Μέθοδος ATT (%) 95% CI p Εφαρμοσιμότητα
Synthetic Control +29.9 [+17.9, +41.9] 0.062 Κύρια
Difference-in-Differences +40.0 [+28.8, +52.2] < 0.001 Με επιφύλαξη
Synthetic DiD +38.2 [−11.8, +116.3] 0.125 Με επιφύλαξη
CausalImpact † +27.1 [+16.7, +38.7] < 0.001 Robustness only
Interrupted Time Series † +87.1 [+50.6, +132.3] < 0.001 Robustness only
Σημείωση. † Παραβιάζονται κρίσιμες υποθέσεις της μεθόδου.
Γραμμή: το διάστημα. Τετράγωνο: η εκτίμηση. Διακεκομμένη: το μηδέν.

Οι τρεις κύριες μέθοδοι εκτιμούν μέσο post-intervention εφέ μεταξύ +29.9% και +40.0% στις Wikipedia αναγνώσεις VPN. Η σύγκλιση αυτή, παρά τις διαφορετικές υποθέσεις ταυτοποίησης κάθε μεθόδου, αποτελεί ισχυρή ένδειξη ότι το εύρημα δεν είναι τεχνούργημα μίας συγκεκριμένης μεθοδολογικής επιλογής.

Κύρια εκτίμηση: Synthetic Control

Γράφημα 17 Synthetic Control: Πραγματική vs Συνθετική Ελλάδα Pre RMSPE = 0.2385 | Post/Pre MSPE = 4.0× | p = 0.062
Δείξε τα δεδομένα

173 γραμμές: πολλές για πίνακα σε αυτή τη σελίδα. Κατέβασε το αρχείο για όλα τα νούμερα.

Χρονική εξέλιξη εφέ

Γράφημα 18 Χρονική εξέλιξη αιτιακού εφέ Peak: +702.1% | Μέσο: +29.9% | Τελευταίες 8 εβδ.: +-23.1%
Δείξε τα δεδομένα
Κατηγορία Εβδομαδιαίο εφέ (%) (%)
2025-02-17 31.0
2025-02-24 46.6
2025-03-03 28.1
2025-03-10 22.5
2025-03-17 67.6
2025-03-24 702.1
2025-03-31 297.2
2025-04-07 129.3
2025-04-14 72.5
2025-04-21 87.8
2025-04-28 69.6
2025-05-05 58.4
2025-05-12 66.1
2025-05-19 68.5
2025-05-26 30.3
2025-06-02 74.0
2025-06-09 48.5
2025-06-16 2.0
2025-06-23 26.8
2025-06-30 11.9
2025-07-07 31.1
2025-07-14 5.0
2025-07-21 37.0
2025-07-28 35.1
2025-08-04 31.6
2025-08-11 51.8
2025-08-18 47.8
2025-08-25 4.7
2025-09-01 24.6
2025-09-08 3.5
2025-09-15 −10.1
2025-09-22 −19.3
2025-09-29 16.9
2025-10-06 4.4
2025-10-13 15.5
2025-10-20 15.9
2025-10-27 1.9
2025-11-03 18.1
2025-11-10 8.1
2025-11-17 −14.6
2025-11-24 −0.7
2025-12-01 −10.8
2025-12-08 −34.6
2025-12-15 −19.4
2025-12-22 −11.3
2025-12-29 −14.8
2026-01-05 −32.9
2026-01-12 −39.9
2026-01-19 −17.6
2026-01-26 −18.0
2026-02-02 −12.8
2026-02-09 −12.8
2026-02-16 −15.6
2026-02-23 −26.4
2026-03-02 14.0
2026-03-09 19.9
2026-03-16 −26.4
2026-03-23 −41.5
2026-03-30 −73.3
2026-04-06 −30.8
2026-04-13 −20.2

Σύγκριση μεθόδων

Γράφημα 19 Σύγκριση εκτιμώμενου εφέ ανά μέθοδο Κύριες μέθοδοι: +29.9% έως +40.0%
Δείξε τα δεδομένα
Κατηγορία ATT (%) (%) 95% CI (%) κάτω 95% CI (%) άνω
CausalImpact † 27.1 16.7 38.7
Synthetic Control 29.9 17.9 41.9
Synthetic DiD 38.2 −11.8 116.3
Difference-in-Differences 40.0 28.8 52.2
Interrupted Time Series † 87.1 50.6 132.3

Ερμηνεία

Τα αποτελέσματα των τριών κύριων μεθόδων συγκλίνουν σε μια σαφή εικόνα. Ο Ν. 5179/2025 προκάλεσε στατιστικά σημαντική και ουσιαστικά μεγάλη αύξηση του ενδιαφέροντος για VPN στην Ελλάδα, όπως μετράται από τις Wikipedia αναγνώσεις του σχετικού άρθρου.

Η χρονική εξέλιξη αποκαλύπτει τρεις διακριτές φάσεις. Στις πρώτες τέσσερις εβδομάδες μετά τη δημοσίευση (Φεβρουάριος 2025), η αντίδραση ήταν άμεση και ισχυρή, αντανακλά την ευρεία δημοσιότητα του νόμου στα ΜΜΕ και τα κοινωνικά δίκτυα. Στη φάση κορύφωσης (Μάρτιος–Απρίλιος 2025), το εφέ έφτασε τη μέγιστή του τιμή +702.1%, περίοδος που συνέπεσε με τις πρώτες αναφορές για πρακτική εφαρμογή του νόμου και ενίσχυση της δημόσιας συζήτησης. Στη φάση υποχώρησης (Μάιος 2025 και έπειτα), το εφέ μειώνεται σταδιακά αλλά παραμένει θετικό, ένδειξη ότι ένα μέρος της αυξημένης ενημέρωσης για VPN έχει μόνιμο χαρακτήρα.

Η σύγκλιση SC (+29.9%), DiD (+40.0%) και SDID (+38.2%), μεθόδων με διαφορετικές υποθέσεις ταυτοποίησης, αποτελεί ισχυρή ένδειξη αιτιακής σχέσης. Το εύρημα αυτό συνάδει με τη βιβλιογραφία για τον Streisand Effect σε αντιπειρατικές νομοθεσίες (Danaher et al., 2016; Trevisan et al., 2019): η προσπάθεια περιορισμού της πρόσβασης σε παράνομο περιεχόμενο μέσω ποινικοποίησης των τελικών χρηστών πυροδοτεί αντιδραστική αναζήτηση εργαλείων παράκαμψης.