Cuando hablamos de datos longitudinales, podemos referirnos a los datos recopilados a lo largo del tiempo de la misma materia / unidad de estudio repetidamente, por lo tanto, hay correlaciones para las observaciones dentro de la misma materia, es decir, similitud dentro de la materia.
Cuando hablamos de datos de series de tiempo, también nos referimos a los datos recopilados durante una serie de tiempo y parece muy similar a la configuración longitudinal mencionada anteriormente.
Me pregunto si alguien puede proporcionar una aclaración clara entre estos dos términos, ¿cuál es la relación y cuáles son las diferencias?
time-series
terminology
panel-data
preguntando
fuente
fuente
Respuestas:
Dudo que haya definiciones estrictas y formales en las que coincida una amplia gama de analistas de datos.
Sin embargo, en general, la serie temporal connota una sola unidad de estudio observada a intervalos regulares durante un período de tiempo muy largo. Un ejemplo prototípico sería el crecimiento anual del PIB de un país durante décadas o incluso más de cien años. Para un analista que trabaja para una empresa privada, podrían ser ingresos mensuales por ventas durante la vida útil de la empresa. Debido a que hay tantas observaciones, los datos se analizan con gran detalle, buscando cosas como la estacionalidad en diferentes períodos (por ejemplo, mensualmente: más ventas al comienzo de un mes justo después de que se haya pagado a las personas; anualmente: más ventas en noviembre y Diciembre, cuando la gente está comprando para la temporada navideña), y posiblemente cambios de régimen. El pronóstico a menudo es muy importante, como señala @StephanKolassa.
Longitudinal generalmente se refiere a menos mediciones en un mayor número de unidades de estudio. Un ejemplo prototípico podría ser un ensayo farmacológico, donde hay cientos de pacientes medidos al inicio (antes del tratamiento) y mensualmente durante los próximos 3 meses. Con solo 4 observaciones de cada unidad en este ejemplo, no es posible intentar detectar el tipo de características en las que los analistas de series de tiempo están interesados. Por otro lado, con los pacientes presumiblemente aleatorizados en los brazos de tratamiento y control, la causalidad se puede inferir una vez Se ha abordado la no independencia. Como eso sugiere, a menudo la no independencia se considera casi una molestia, más que la característica principal de interés.
fuente
Hay aproximadamente tres tipos de conjuntos de datos:
fuente
Es posible que estos dos términos no estén relacionados en la forma en que el OP asume, es decir, no creo que sean modos competitivos de análisis.
En cambio, el análisis de series de tiempo describe un conjunto de técnicas de nivel inferior que podrían ser útiles para analizar datos en un estudio longitudinal.
El objeto de estudio en el análisis de series de tiempo es alguna señal dependiente del tiempo.
La mayoría de las técnicas para analizar y modelar / predecir estas señales dependientes del tiempo se basan en la premisa de que estas señales son descomponibles en varios componentes. Los dos más importantes son:
componentes cíclicos (p. ej., diario, semanal, mensual, estacional); y
tendencia
En otras palabras, el análisis de series temporales se basa en la explotación de la naturaleza cíclica de una señal dependiente del tiempo para extraer una señal subyacente.
fuente
Para simplificar, asumiré un estudio de individuos, pero lo mismo se aplica a cualquier unidad de análisis. No es complicado, las series de tiempo son datos recopilados a lo largo del tiempo, que generalmente implican la misma medición de una población equivalente en intervalos de tiempo separados, o se recopilan continuamente pero se analizan a intervalos cronometrados.
Datos longitudinales mucho más amplios en alcance. La población equivalente se reemplaza por la población idéntica, por lo que los datos individuales se pueden emparejar o unir con el tiempo. Los datos longitudinales pueden ser mediciones repetidas o no, dependiendo del objetivo del estudio. Cuando los datos longitudinales se parecen a una serie temporal es cuando medimos lo mismo a lo largo del tiempo. La gran diferencia es que en una serie de tiempo podemos medir el cambio general en la medición a lo largo del tiempo (o por grupo), mientras que en un análisis longitudinal realmente tiene la medición del cambio a nivel individual. Por lo tanto, tiene mucho más potencial para el análisis y la medición del cambio es sin error si el muestreo está involucrado, por lo que un estudio longitudinal puede ser más preciso e informativo.
fuente