อะไรคือความแตกต่างระหว่างการออกแบบตามยาวและอนุกรมเวลา?
อะไรคือความแตกต่างระหว่างการออกแบบตามยาวและอนุกรมเวลา?
คำตอบ:
ฉันจะเพิ่มว่าในบริบทอนุกรมเวลามันมักจะสันนิษฐานว่าข้อมูลที่สังเกตคือการรับรู้ของกระบวนการสุ่ม ดังนั้นในอนุกรมเวลาจำนวนมากให้ความสนใจกับคุณสมบัติของกระบวนการสุ่มเช่น stationarity, ergodicity ฯลฯ ในบริบทระยะยาวในการทำความเข้าใจข้อมูลของฉันมาจากตัวอย่างปกติ (ตามตัวอย่างฉันหมายถึงลำดับของตัวแปร iid) สังเกตที่จุดต่าง ๆ ใน เวลาจึงใช้วิธีการทางสถิติแบบดั้งเดิมเนื่องจากพวกเขามักจะถือว่าตัวอย่างนั้นถูกสังเกต
สำหรับคำตอบสั้น ๆ อาจกล่าวได้ว่าอนุกรมเวลาถูกศึกษาในสาขาเศรษฐมิติการออกแบบตามยาว - ในเชิงสถิติ แต่นั่นไม่ได้ตอบคำถามเพียงแค่เลื่อนไปยังคำถามอื่น ในทางกลับกันคำตอบสั้น ๆ มากมายทำตรงนั้น
หากเราคิดถึงการออกแบบที่สร้างขึ้นจากกรณีที่วัดได้ในโอกาสแล้วนิยามที่หลวม ๆ ต่อไปนี้ดูเหมือนว่าฉันจะอธิบายความแตกต่าง:
แน่นอนว่าสิ่งนี้ทำให้เกิดคำถามว่าอะไรสูงและต่ำ สรุปความหมายคร่าวๆของฉันเองของคำจำกัดความคลุมเครือเหล่านี้ตัวอย่างต้นแบบของ:
ปรับปรุง: การ ติดตามคำถามของดร. ใครเกี่ยวกับอะไรคือจุดประสงค์ของความแตกต่างฉันไม่มีคำตอบที่เชื่อถือได้ แต่นี่เป็นความคิดเล็กน้อย:
เมื่อพิจารณาถึงความแตกต่างในพลวัตทางโลกจริงและการรวมกันของและทำให้เกิดความท้าทายในการสร้างแบบจำลองทางสถิติที่แตกต่างกัน ตัวอย่างเช่นด้วยโมเดลระดับสูงและต่ำหลายระดับมักใช้ความแข็งแกร่งของการยืมจากกระบวนการเปลี่ยนแปลงทั่วไปเพื่ออธิบายกระบวนการเปลี่ยนแปลงรายบุคคล สาขาวิชาที่แตกต่างกันเหล่านี้การสร้างแบบจำลองความท้าทายและวรรณกรรมสนับสนุนให้มีการสร้างคำศัพท์ที่แตกต่างกัน
อย่างไรก็ตามนั่นคือความประทับใจของฉัน บางทีคนอื่นอาจมีความเข้าใจที่ลึกซึ้งกว่า
อนุกรมเวลาอยู่ในลำดับที่เรียบง่ายของจุดข้อมูลระยะห่างออกในช่วงเวลาที่มักจะมีช่วงเวลาปกติ การออกแบบระยะยาวนั้นค่อนข้างเฉพาะเจาะจงมากขึ้นโดยรักษาตัวอย่างเดียวกันสำหรับการสังเกตแต่ละครั้งเมื่อเวลาผ่านไป
ตัวอย่างของอนุกรมเวลาอาจวัดการว่างงานทุกเดือนโดยใช้แบบสำรวจแรงงานด้วยตัวอย่างใหม่ทุกครั้ง นี่จะเป็นลำดับของการออกแบบหน้าตัด แต่อาจเป็นอะไรก็ได้เช่นเงินออมส่วนตัวของคุณในแต่ละปีซึ่งก็จะเป็นระยะยาวเช่นกัน หรืออาจติดตามกลุ่มคนที่อายุมากกว่าเช่นสารคดีทางโทรทัศน์Seven Up! และภาคต่อทุกเจ็ดปีหลังจากนั้น - ล่าสุดคือ49 ขึ้นในปี 2005 ดังนั้นจึงควรมีฉบับอื่นในปีหน้า การออกแบบตามยาวมักจะบอกคุณมากขึ้นเกี่ยวกับวิธีการที่คนทั่วไปเปลี่ยนแปลงตลอดเวลา แต่อาจ (ขึ้นอยู่กับรายละเอียดของการออกแบบและการรีเฟรชตัวอย่าง) พูดน้อยลงเกี่ยวกับการเปลี่ยนแปลงของประชากรโดยรวม
ข้อมูลอนุกรมเวลาจะได้รับการประเมินตามช่วงเวลาปกติเป็นระยะเวลานาน ในขณะที่ข้อมูลระยะยาวไม่ใช่: มาตรการซ้ำ ๆ เป็นระยะเวลาสั้น ๆ นั่นคือการรวบรวมข้อมูลสามารถหยุด / ถูกยกเลิกในเวลาที่กำหนดเพื่อทำการวิเคราะห์หรือเมื่อมาตรการตอบสนองผู้วิจัยในแง่ของการเปลี่ยนแปลงพฤติกรรม