ความแตกต่างระหว่างการออกแบบตามยาวและอนุกรมเวลา


35

อะไรคือความแตกต่างระหว่างการออกแบบตามยาวและอนุกรมเวลา?


คำถามที่เชื่อมต่อ: stats.stackexchange.com/questions/812/…
robin girard

และอีกคำถามที่เหมือนstats.stackexchange.com/q/93461/3277
ttnphns

คำตอบ:


11

ฉันจะเพิ่มว่าในบริบทอนุกรมเวลามันมักจะสันนิษฐานว่าข้อมูลที่สังเกตคือการรับรู้ของกระบวนการสุ่ม ดังนั้นในอนุกรมเวลาจำนวนมากให้ความสนใจกับคุณสมบัติของกระบวนการสุ่มเช่น stationarity, ergodicity ฯลฯ ในบริบทระยะยาวในการทำความเข้าใจข้อมูลของฉันมาจากตัวอย่างปกติ (ตามตัวอย่างฉันหมายถึงลำดับของตัวแปร iid) สังเกตที่จุดต่าง ๆ ใน เวลาจึงใช้วิธีการทางสถิติแบบดั้งเดิมเนื่องจากพวกเขามักจะถือว่าตัวอย่างนั้นถูกสังเกต

สำหรับคำตอบสั้น ๆ อาจกล่าวได้ว่าอนุกรมเวลาถูกศึกษาในสาขาเศรษฐมิติการออกแบบตามยาว - ในเชิงสถิติ แต่นั่นไม่ได้ตอบคำถามเพียงแค่เลื่อนไปยังคำถามอื่น ในทางกลับกันคำตอบสั้น ๆ มากมายทำตรงนั้น


24

หากเราคิดถึงการออกแบบที่สร้างขึ้นจากกรณีที่วัดได้ในโอกาสแล้วนิยามที่หลวม ๆ ต่อไปนี้ดูเหมือนว่าฉันจะอธิบายความแตกต่าง:nk

  • การออกแบบตามยาว: สูง , ต่ำnk
  • อนุกรมเวลา: ต่ำ , สูงnk

แน่นอนว่าสิ่งนี้ทำให้เกิดคำถามว่าอะไรสูงและต่ำ สรุปความหมายคร่าวๆของฉันเองของคำจำกัดความคลุมเครือเหล่านี้ตัวอย่างต้นแบบของ:

  • อนุกรมเวลาอาจมี = 1, 2 หรือ 5 และ = 20, 50, 100, หรือ 1,000 และnk
  • การออกแบบตามยาวอาจมี = 10, 50, 100, 1000 และ = 2, 3, 5, 10, 20nk

ปรับปรุง: การ ติดตามคำถามของดร. ใครเกี่ยวกับอะไรคือจุดประสงค์ของความแตกต่างฉันไม่มีคำตอบที่เชื่อถือได้ แต่นี่เป็นความคิดเล็กน้อย:

  • คำศัพท์วิวัฒนาการในสาขาวิชาที่เกี่ยวข้องกับปัญหาที่สำคัญโดยเฉพาะ
  • อนุกรมเวลา
    • มักเกี่ยวข้องกับการคาดการณ์จุดเวลาในอนาคต
    • มักเกี่ยวข้องกับการสร้างแบบจำลองกระบวนการวัฏจักรและแนวโน้มต่าง ๆ
    • มักเกี่ยวข้องกับการอธิบายพลวัตทางโลกอย่างละเอียด
    • บ่อยครั้งที่ศึกษาปรากฏการณ์ที่สิ่งเฉพาะที่วัดได้นั้นมีความสนใจเฉพาะ (เช่นอัตราการว่างงานดัชนีตลาดหุ้น ฯลฯ )
    • ดัชนีทางโลกมักมีอยู่ก่อนแล้ว
  • การออกแบบตามยาว:
    • มักใช้ตัวอย่างกรณีเป็นแบบอย่างของประชากรเพื่อทำการอนุมานเกี่ยวกับประชากร (เช่นกลุ่มตัวอย่างของเด็กเพื่อศึกษาว่าเด็กเปลี่ยนแปลงโดยทั่วไปอย่างไร)
    • มักเกี่ยวข้องกับกระบวนการทางโลกโดยทั่วไปเช่นการเจริญเติบโตความแปรปรวนและแบบจำลองการเปลี่ยนแปลงการทำงานที่ค่อนข้างง่าย
    • การศึกษามักได้รับการออกแบบมาโดยเฉพาะเพื่อให้ได้คะแนนตามเวลาที่กำหนด
    • มักจะสนใจในการเปลี่ยนแปลงในกระบวนการเปลี่ยนแปลง

เมื่อพิจารณาถึงความแตกต่างในพลวัตทางโลกจริงและการรวมกันของและทำให้เกิดความท้าทายในการสร้างแบบจำลองทางสถิติที่แตกต่างกัน ตัวอย่างเช่นด้วยโมเดลระดับสูงและต่ำหลายระดับมักใช้ความแข็งแกร่งของการยืมจากกระบวนการเปลี่ยนแปลงทั่วไปเพื่ออธิบายกระบวนการเปลี่ยนแปลงรายบุคคล สาขาวิชาที่แตกต่างกันเหล่านี้การสร้างแบบจำลองความท้าทายและวรรณกรรมสนับสนุนให้มีการสร้างคำศัพท์ที่แตกต่างกันknnk

อย่างไรก็ตามนั่นคือความประทับใจของฉัน บางทีคนอื่นอาจมีความเข้าใจที่ลึกซึ้งกว่า


ขอบคุณสำหรับข้อมูลเพิ่มเติม คุณกรุณาให้ความรู้แก่ฉันได้ไหมว่าทำไมเราต้องใช้คำศัพท์ต่างกันถ้ามันเป็นเพียงตัวเลขที่แตกต่างกันของ n และ k มีความสำคัญในทางปฏิบัติหรือไม่?
DrWho

@drwho ฉันได้อัปเดตคำตอบของฉันด้วยความคิดเล็กน้อย
Jeromy Anglim

11

อนุกรมเวลาอยู่ในลำดับที่เรียบง่ายของจุดข้อมูลระยะห่างออกในช่วงเวลาที่มักจะมีช่วงเวลาปกติ การออกแบบระยะยาวนั้นค่อนข้างเฉพาะเจาะจงมากขึ้นโดยรักษาตัวอย่างเดียวกันสำหรับการสังเกตแต่ละครั้งเมื่อเวลาผ่านไป

ตัวอย่างของอนุกรมเวลาอาจวัดการว่างงานทุกเดือนโดยใช้แบบสำรวจแรงงานด้วยตัวอย่างใหม่ทุกครั้ง นี่จะเป็นลำดับของการออกแบบหน้าตัด แต่อาจเป็นอะไรก็ได้เช่นเงินออมส่วนตัวของคุณในแต่ละปีซึ่งก็จะเป็นระยะยาวเช่นกัน หรืออาจติดตามกลุ่มคนที่อายุมากกว่าเช่นสารคดีทางโทรทัศน์Seven Up! และภาคต่อทุกเจ็ดปีหลังจากนั้น - ล่าสุดคือ49 ขึ้นในปี 2005 ดังนั้นจึงควรมีฉบับอื่นในปีหน้า การออกแบบตามยาวมักจะบอกคุณมากขึ้นเกี่ยวกับวิธีการที่คนทั่วไปเปลี่ยนแปลงตลอดเวลา แต่อาจ (ขึ้นอยู่กับรายละเอียดของการออกแบบและการรีเฟรชตัวอย่าง) พูดน้อยลงเกี่ยวกับการเปลี่ยนแปลงของประชากรโดยรวม


เห็นได้ชัดว่าคำตอบที่ง่ายและชัดเจน คุณต้องเป็นครูที่ดี คนอย่างคุณต้องเขียนหนังสือเล่มเล็ก ๆ เรื่อง Introduction to Statistics ใน 200 หน้า
DrWho

0

ข้อมูลอนุกรมเวลาจะได้รับการประเมินตามช่วงเวลาปกติเป็นระยะเวลานาน ในขณะที่ข้อมูลระยะยาวไม่ใช่: มาตรการซ้ำ ๆ เป็นระยะเวลาสั้น ๆ นั่นคือการรวบรวมข้อมูลสามารถหยุด / ถูกยกเลิกในเวลาที่กำหนดเพื่อทำการวิเคราะห์หรือเมื่อมาตรการตอบสนองผู้วิจัยในแง่ของการเปลี่ยนแปลงพฤติกรรม


2
ฉันไม่คิดว่าคำตอบนี้จะเพิ่มอะไรให้กับคำตอบก่อนหน้า บ่อยครั้งที่นี่มักจะเป็นเท็จ: แม้แต่ข้อมูลแผงก็ไม่จำเป็นต้องอยู่ภายใต้การควบคุมของนักวิจัยและ (เช่น) ในนักเศรษฐศาสตร์เศรษฐศาสตร์ที่ต้องพึ่งพาการเรียงลำดับข้อมูลของผู้อื่น นอกจากนี้อนุกรมเวลามักสั้น
Nick Cox
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.