Pitanje:
Razlika između uzdužnog dizajna i vremenskih serija
DrWho
2011-02-12 04:51:58 UTC
view on stackexchange narkive permalink

Koja je / su razlika između longitudinalnog dizajna i vremenskog niza?

Povezano pitanje: http://stats.stackexchange.com/questions/812/what-is-the-difference-between-functional-data-analysis-and-high-dimensional-data
I još jedno, identično pitanje http://stats.stackexchange.com/q/93461/3277.
četiri odgovori:
Jeromy Anglim
2011-02-12 11:41:19 UTC
view on stackexchange narkive permalink

Ako razmišljamo o nacrtima koji se sastoje od $ n $ slučajeva izmjerenih u $ k $ prigodama, tada mi se čini da sljedeća labava definicija opisuje razliku:

  • uzdužni dizajni: visoka $ n $, niska $ k $
  • vremenska serija: niska $ n $, visoka $ k $

Naravno, ovo postavlja pitanje što je visoka i ono što je nisko. Rezimirajući vlastiti grubi osjećaj za te nejasne definicije, prototipski primjeri:

  • vremenske serije mogu imati $ n $ = 1, 2 ili 5 i $ k $ = 20, 50, 100 ili 1000 i
  • uzdužni nacrti mogu imati $ n $ = 10, 50, 100, 1000 i $ k $ = 2, 3, 5, 10, 20

Ažuriranje: Slijedim pitanje Dr Who o tome koja je svrha razlike, nemam mjerodavan odgovor, ali evo nekoliko misli:

  • terminologija se razvija u disciplinama koje se bave određenim bitnim problemima
  • vremenske serije
    • često zabrinute za predviđanje budućih vremenskih točaka
    • često zabrinut za modell proučavajući različite cikličke i trendovske procese
    • često zaokupljene detaljnim opisivanjem vremenske dinamike
    • često proučava pojave kod kojih je određena stvar od posebnog interesa (npr. stopa nezaposlenosti, berzanski indeksi itd.)
    • vremenski indeksi često postoje već
  • uzdužni dizajni:
    • često koriste uzorke slučajeva kao primjere populacije kako bi se došlo do zaključaka o populaciji (npr. uzorak djece da bi se proučilo kako se djeca uopće mijenjaju)
    • često zabrinuti za prilično općenite vremenske procese poput rasta, varijabilnosti i relativno jednostavnih modela funkcionalnih promjena
    • studija je često posebno dizajnirana da ima zadani broj vremenskih točaka.
    • često zainteresirana za varijacije u procesima promjena

S obzirom na razlike u stvarnoj vremenskoj dinamici i posebnu kombinaciju $ k $ i $ n $, to stvara različite izazove statističkog modeliranja. Na primjer, s visokim $ n $ i niskim $ k $ često se koriste višerazinski modeli koji posuđuju snagu iz tipičnog postupka promjene kako bi opisali pojedinačni proces promjene. Te različite discipline, izazovi modeliranja i literature potiču stvaranje posebne terminologije.

U svakom slučaju, to je moj dojam. Možda drugi imaju bolji uvid.

Zahvaljujemo na dodatnim informacijama. Možete li me educirati zašto moramo koristiti različite izraze ako se radi samo o različitim brojevima n i k. Postoji li praktični značaj?
@drwho Ažurirao sam svoj odgovor s nekoliko razmišljanja.
Henry
2011-02-12 06:20:18 UTC
view on stackexchange narkive permalink

Vremenske serije jednostavan je niz podatkovnih točaka razmaknutih tijekom vremena, obično s pravilnim vremenskim intervalima. Uzdužni dizajn prilično je specifičniji, zadržavajući isti uzorak za svako promatranje tijekom vremena.

Primjer vremenske serije može biti nezaposlenost koja se mjeri svakog mjeseca pomoću ankete o radnoj snazi ​​sa svaki put novi uzorak; ovo bi bio slijed dizajna presjeka. Ali to može biti bilo što poput vaše osobne ušteđevine svake godine, što bi također bilo uzdužno. Ili može jednostavno pratiti određenu skupinu ljudi koji stare, poput televizijskog dokumentarca Sedam gore! i nastavaka svakih sedam godina nakon toga - najnoviji je bio 49 Gore 2005., tako da bi sljedeće godine trebalo biti još jedno izdanje. Uzdužni dizajni imaju tendenciju da vam govore više o načinima na koje se tipični pojedinci mijenjaju tijekom vremena, ali mogu (ovisno o pojedinostima dizajna i je li osvježen uzorak) manje reći o tome kako se mijenja populacija u cjelini.

Primjetno jednostavan i jasan odgovor. Sigurno ste izvrstan učitelj. Ljudi poput vas moraju na 200 stranica napisati malu knjigu o Uvodu u statistiku
mpiktas
2011-02-13 14:38:53 UTC
view on stackexchange narkive permalink

Dodati ću da se u kontekstu vremenskih serija obično pretpostavlja da su promatrani podaci realizacija stohastičkog procesa. Stoga se u vremenskim serijama puno pažnje posvećuje svojstvima stohastičkih procesa, poput stacionarnosti, ergodičnosti itd. U longitudinalnom kontekstu, prema mojem razumijevanju, podaci dolaze iz uobičajenih uzoraka (pod uzorkom mislim na slijed iid varijabli) uočenih u različitim točkama u vrijeme, pa se primjenjuju klasične statističke metode, jer uvijek pretpostavljaju da se uzorak promatra.

Za kratki odgovor moglo bi se reći da se vremenske serije proučavaju u ekonometriji, longitudinalni dizajn - u statistici. Ali to ne odgovara na pitanje, već ga prebacuje na drugo pitanje. S druge strane, puno kratkih odgovora čini upravo to.

Seabelo Tshwene
2013-08-19 03:19:49 UTC
view on stackexchange narkive permalink

Podaci vremenskih serija procjenjuju se u redovitim intervalima tijekom duljeg vremenskog razdoblja. Dok longitudinalni podaci nisu: ponovljene mjere su za kratko vrijeme. To jest, prikupljanje podataka može se zaustaviti / prekinuti u određenom trenutku za provođenje analize ili kada mjere zadovolje istraživača u smislu promjena u ponašanju.

Mislim da ovaj odgovor ne dodaje ništa prethodnim odgovorima. Doista je ovdje mnogo često lažno: čak i podaci s panela nisu nužno pod nadzorom istraživača, a (npr.) U ekonomiji istraživači ovise o tome da drugi podaci uspoređuju. Također, vremenske serije su često kratke.


Ova pitanja su automatski prevedena s engleskog jezika.Izvorni sadržaj dostupan je na stackexchange-u, što zahvaljujemo na cc by-sa 2.0 licenci pod kojom se distribuira.
Loading...