อะไรคือความแตกต่างระหว่างคำว่า "การวิเคราะห์อนุกรมเวลา" และ "การวิเคราะห์ข้อมูลระยะยาว"

เมื่อพูดถึงข้อมูลระยะยาวเราอาจอ้างถึงข้อมูลที่รวบรวมจากหน่วยงาน / การศึกษาเดียวกันซ้ำ ๆ ซ้ำ ๆ กันดังนั้นจึงมีความสัมพันธ์สำหรับการสังเกตในเรื่องเดียวกันคือความคล้ายคลึงกันภายในเรื่อง

เมื่อพูดถึงข้อมูลอนุกรมเวลาเรายังอ้างถึงข้อมูลที่รวบรวมในช่วงเวลาหนึ่งและดูเหมือนว่าจะคล้ายกับการตั้งค่าตามยาวที่กล่าวถึงข้างต้น

ฉันสงสัยว่าถ้าใครบางคนสามารถให้คำอธิบายที่ชัดเจนระหว่างสองคำนี้ความสัมพันธ์และความแตกต่างคืออะไร?

ฉันสงสัยว่ามีคำจำกัดความที่เข้มงวดและเป็นทางการซึ่งนักวิเคราะห์ข้อมูลจำนวนมากเห็นด้วย

อย่างไรก็ตามโดยทั่วไปอนุกรมเวลามีหน่วยการเรียนรู้เดียวที่สังเกตได้ในช่วงเวลาปกติในช่วงเวลาที่ยาวนานมาก ตัวอย่างต้นแบบคือการเติบโตของ GDP ต่อปีของประเทศในช่วงหลายทศวรรษหรือมากกว่าร้อยปี สำหรับนักวิเคราะห์ที่ทำงานให้กับ บริษัท เอกชนอาจเป็นรายได้จากการขายรายเดือนตลอดอายุการใช้งานของ บริษัท เนื่องจากมีการสังเกตจำนวนมากข้อมูลจึงถูกวิเคราะห์อย่างละเอียดมองหาสิ่งต่าง ๆ ตามฤดูกาลในช่วงเวลาที่แตกต่างกัน (เช่นรายเดือน: ยอดขายเพิ่มขึ้นในช่วงต้นเดือนหลังจากที่คนจ่ายเงินรายปี: ยอดขายเพิ่มขึ้นในเดือนพฤศจิกายนและ เดือนธันวาคมเมื่อผู้คนกำลังจับจ่ายซื้อของในเทศกาลคริสต์มาส) และอาจทำให้ระบอบการปกครองเปลี่ยนไป การพยากรณ์มักจะสำคัญมากเช่น @StephanKolassa บันทึก

ตามยาวโดยทั่วไปแล้วหมายถึงการวัดที่น้อยลงสำหรับหน่วยการศึกษาจำนวนมากขึ้น ตัวอย่างต้นแบบอาจเป็นการทดลองใช้ยาซึ่งมีผู้ป่วยหลายร้อยรายที่วัดที่ระดับพื้นฐาน (ก่อนการรักษา) และรายเดือนในอีก 3 เดือนข้างหน้า ด้วยการสังเกตเพียง 4 ข้อของแต่ละหน่วยในตัวอย่างนี้มันเป็นไปไม่ได้ที่จะพยายามตรวจสอบชนิดของฟีเจอร์ที่นักวิเคราะห์อนุกรมเวลาสนใจ แต่ในทางตรงข้ามกับผู้ป่วยสันนิษฐานว่าเป็นการสุ่มในการรักษาและควบคุมแขน ที่ไม่ใช่ความเป็นอิสระได้รับการแก้ไข ดังที่แสดงให้เห็นว่าบ่อยครั้งที่ความไม่อิสระนั้นถือเป็นเรื่องน่ารำคาญมากกว่าลักษณะหลักที่น่าสนใจ

ชุดข้อมูลมีสามประเภท:

• ภาพตัดขวาง: วิชาที่แตกต่างกันในเวลาเดียวกัน; คิดว่ามันเป็นหนึ่งแถวที่มีหลายคอลัมน์ที่สอดคล้องกับวิชาที่แตกต่างกัน
• อนุกรมเวลา: เรื่องเดียวกันในเวลาที่ต่างกัน คิดว่ามันเป็นหนึ่งคอลัมน์ที่มีแถวที่สอดคล้องกับจุดเวลาที่แตกต่างกัน
• พาเนล (ยาว): หลาย ๆ วิชาในเวลาต่างกันคุณมีวิชาเดียวกันในเวลาต่างกันและคุณมีหลายวิชาในเวลาเดียวกัน คิดว่ามันเป็นตารางที่แถวเป็นจุดเวลาและคอลัมน์เป็นวิชา

สองคำศัพท์เหล่านี้อาจไม่เกี่ยวข้องกับวิธีการที่ OP เข้าใจเช่นฉันไม่คิดว่าพวกเขากำลังแข่งขันในการวิเคราะห์

แต่การวิเคราะห์อนุกรมเวลาอธิบายชุดของเทคนิคระดับล่างซึ่งอาจเป็นประโยชน์ในการวิเคราะห์ข้อมูลในการศึกษาระยะยาว

วัตถุประสงค์ของการศึกษาในการวิเคราะห์อนุกรมเวลาคือสัญญาณบางอย่าง

เทคนิคส่วนใหญ่ในการวิเคราะห์และสร้างแบบจำลอง / ทำนายสัญญาณที่ขึ้นกับเวลาเหล่านี้สร้างขึ้นบนสมมติฐานที่ว่าสัญญาณเหล่านี้แยกออกเป็นส่วนประกอบต่างๆ สองสิ่งที่สำคัญที่สุดคือ:

• ส่วนประกอบวงจร (เช่นรายวันรายสัปดาห์รายเดือนฤดูกาล) และ

• แนวโน้ม

กล่าวอีกนัยหนึ่งการวิเคราะห์อนุกรมเวลาขึ้นอยู่กับการใช้ประโยชน์จากลักษณะของวงจรของสัญญาณขึ้นกับเวลาเพื่อแยกสัญญาณพื้นฐาน

เพื่อให้ง่ายฉันจะถือว่าการศึกษาของบุคคล แต่เช่นเดียวกับหน่วยการวิเคราะห์ใด ๆ มันไม่ซับซ้อนอนุกรมเวลาคือการรวบรวมข้อมูลเมื่อเวลาผ่านไปโดยปกติจะหมายถึงการวัดเดียวกันจากประชากรที่เทียบเท่าในช่วงเวลาที่แยกจากกัน - หรือรวบรวมอย่างต่อเนื่อง แต่วิเคราะห์ตามช่วงเวลาที่กำหนด
ข้อมูลระยะยาวมีขอบเขตกว้างกว่ามาก ประชากรที่เทียบเท่าจะถูกแทนที่ด้วยประชากรที่เหมือนกันดังนั้นข้อมูลส่วนบุคคลสามารถจับคู่หรือเข้าร่วมเมื่อเวลาผ่านไป ข้อมูลระยะยาวสามารถวัดซ้ำหรือไม่ขึ้นอยู่กับเป้าหมายของการศึกษา เมื่อข้อมูลยาวดูเหมือนว่าอนุกรมเวลาคือเมื่อเราวัดสิ่งเดียวกันเมื่อเวลาผ่านไป ความแตกต่างที่สำคัญคือในอนุกรมเวลาเราสามารถวัดการเปลี่ยนแปลงโดยรวมในการวัดเมื่อเวลาผ่านไป (หรือตามกลุ่ม) ในขณะที่ในการวิเคราะห์ตามยาวคุณจะมีการวัดการเปลี่ยนแปลงในระดับบุคคล ดังนั้นคุณมีศักยภาพมากขึ้นสำหรับการวิเคราะห์และการวัดการเปลี่ยนแปลงไม่มีข้อผิดพลาดหากมีการสุ่มตัวอย่างที่เกี่ยวข้องดังนั้นการศึกษาระยะยาวสามารถแม่นยำและให้ข้อมูลมากขึ้น