Diferencia entre diseño longitudinal y series de tiempo

¿Cuál es / son la (s) diferencia (s) entre un diseño longitudinal y una serie temporal?

Agregaré que en el contexto de series de tiempo generalmente se supone que los datos observados son una realización del proceso estocástico. Por lo tanto, en las series de tiempo se presta mucha atención a las propiedades de los procesos estocásticos, como la estacionariedad, la ergodicidad, etc. En el contexto longitudinal, en mi comprensión, los datos provienen de muestras habituales (por muestra me refiero a la secuencia de variables iid) observadas en diferentes puntos de tiempo, por lo que se aplican los métodos estadísticos clásicos, ya que siempre suponen que se observa la muestra.

Para una respuesta corta, se podría decir que las series temporales se estudian en econometría, diseño longitudinal, en estadística. Pero eso no responde la pregunta, solo la cambia a otra pregunta. Por otro lado, muchas respuestas cortas hacen exactamente eso.

Si pensamos en diseños compuestos por casos medidos en k ocasiones, la siguiente definición suelta me parece descriptiva de la distinción:$n$$k$

• diseños longitudinales: alto , bajo $n$$k$
• series de tiempo: bajo , alto $n$$k$

Por supuesto, esto plantea la pregunta de qué es alto y qué es bajo. Resumiendo mi propio sentido aproximado de estas definiciones difusas, ejemplos prototípicos de:

• las series de tiempo pueden tener = 1, 2 o 5 yk = 20, 50, 100 o 1000, y$n$$k$
• $n$$k$

Actualización: siguiendo la pregunta del Dr. Who sobre cuál es el propósito de la distinción, no tengo una respuesta autorizada, pero aquí hay algunas ideas:

• la terminología evoluciona en disciplinas relacionadas con problemas sustantivos particulares
• series de tiempo
  • a menudo preocupado por pronosticar puntos de tiempo futuros
  • a menudo preocupado por modelar varios procesos cíclicos y de tendencia
  • a menudo preocupado por describir la dinámica temporal con gran detalle
  • a menudo estudia fenómenos en los que la medida particular es de interés específico (por ejemplo, tasa de desempleo, índices bursátiles, etc.)
  • los índices temporales son a menudo preexistentes
• diseños longitudinales:
  • a menudo usan muestras de casos como ejemplos de una población para hacer inferencias sobre la población (por ejemplo, una muestra de niños para estudiar cómo cambian los niños en general)
  • a menudo preocupado por procesos temporales bastante generales como crecimiento, variabilidad y modelos de cambio funcional relativamente simples
  • El estudio a menudo está específicamente diseñado para tener un número determinado de puntos de tiempo.
  • a menudo interesado en la variación en los procesos de cambio

$k$$n$$n$$k$

De todos modos, esa es mi impresión. Quizás otros tengan una mayor comprensión.

Una serie temporal es una secuencia simple de puntos de datos espaciados en el tiempo, generalmente con intervalos de tiempo regulares. Un diseño longitudinal es bastante más específico, manteniendo la misma muestra para cada observación a lo largo del tiempo.

Un ejemplo de una serie temporal podría ser el desempleo medido cada mes utilizando una encuesta de población activa con una nueva muestra cada vez; Esta sería una secuencia de diseños transversales. Pero podría ser algo como sus ahorros personales cada año, que también sería longitudinal. O simplemente podría seguir a una cohorte particular de personas que envejecen, como el documental de televisión Seven Up! y las secuelas cada siete años después de eso: la última fue 49 Up en 2005, por lo que debería haber otra edición el próximo año. Los diseños longitudinales tienden a brindarle más información sobre las formas en que los individuos típicos cambian con el tiempo, pero podrían (dependiendo de los detalles del diseño y si la muestra se actualiza) decir menos sobre cómo cambia la población en su conjunto.

Los datos de series temporales se evalúan a intervalos regulares durante un largo período de tiempo. Mientras que los datos longitudinales no son: las medidas repetidas son por un corto período de tiempo. Es decir, la recopilación de datos puede detenerse / terminarse en un determinado momento para hacer el análisis o cuando las medidas satisfacen al investigador en términos de cambio de comportamiento.