종단 설계와 시계열의 차이점은 무엇입니까?
답변:
시계열의 맥락에서 관찰 된 데이터가 확률 적 프로세스의 실현이라고 가정합니다. 따라서 시계열에서는 정지성, 에르고 디 시티 등과 같은 확률 론적 프로세스의 속성에 많은주의를 기울입니다. 내 이해 데이터의 세로 방향에서 데이터는 서로 다른 지점에서 관찰되는 일반적인 샘플 (샘플 I에 의한 일련의 iid 변수)에서 비롯됩니다. 따라서 항상 표본을 관찰한다고 가정하기 때문에 고전적인 통계 방법이 적용됩니다.
간단히 말해, 시계열은 통계학에서 계량 경제학, 종 방향 설계로 연구되었다고 말할 수 있습니다. 그러나 그것은 질문에 대한 답이 아니라 다른 질문으로 넘어 가기 만합니다. 반면에 짧은 답변이 많이 있습니다.
우리 는 번의 측정으로 케이스 로 구성된 디자인을 생각 하면 다음과 같은 느슨한 정의가 구별을 설명하는 것처럼 보입니다.
물론 이것은 무엇이 높고 낮은가에 대한 문제를 제기합니다. 이러한 퍼지 정의에 대한 내 자신의 거친 의미를 요약하면 다음과 같은 프로토 타입 예제가 있습니다.
업데이트 : 구별의 목적에 관한 Who 박사의 질문에 이어 권위있는 대답은 없지만 몇 가지 생각이 있습니다.
실제 시간 역학의 차이와 와 의 특정 조합을 고려할 때 이것은 다른 통계 모델링 과제를 만듭니다. 예를 들어, 높은 및 낮은 다중 레벨 모델에서는 개별 변경 프로세스를 설명하기 위해 일반적인 변경 프로세스에서 힘을 빌리는 종종 사용됩니다. 이러한 다양한 학문, 모델링 과제 및 문헌은 고유 한 용어를 만들도록 권장합니다.
어쨌든, 그것은 나의 인상입니다. 아마도 다른 사람들은 더 큰 통찰력을 가지고있을 것입니다.
시계열 데이터 포인트의 단순한 서열은 보통 일정한 시간 간격으로 시간에 걸쳐 이격되어있다. 세로 디자인은 시간이 지남에 따라 각 관측에 대해 동일한 샘플을 유지, 오히려 더 구체적이다.
시계열의 예는 매번 새로운 표본으로 노동력 조사를 사용하여 매월 측정되는 실업 일 수 있습니다. 이것은 일련의 단면 설계 일 것입니다. 그러나 그것은 매년 개인 저축과 같은 것이 될 수 있으며, 이는 또한 세로 방향입니다. 또는 텔레비전 다큐멘터리 Seven Up! 과 같이 나이가 많은 사람들의 특정 집단을 따라갈 수도 있습니다 . 그리고 그 후 7 년마다 후속편 – 2005 년 의 최신작은 49 Up 이므로 내년에 또 다른 판이있을 것입니다. 종 방향 설계는 일반적인 개인이 시간이 지남에 따라 변하는 방식에 대해 더 많이 알려주는 경향이 있지만 (설계의 세부 사항 및 샘플의 새로 고침 여부에 따라) 모집단 전체의 변화에 대해서는 덜 말할 수 있습니다.
시계열 데이터는 정기적으로 정기적으로 평가됩니다. 종단 데이터가 아닌 반면, 반복 측정은 단기간 동안 수행됩니다. 즉, 데이터 수집은 특정 시점에서 분석을 수행하거나 측정 값이 행동 변화 측면에서 연구원을 만족시킬 때 중지 / 종료 될 수 있습니다.