Quais são as diferenças entre os termos "análise de séries temporais" e "análise longitudinal de dados"

17

Quando falamos de dados longitudinais, podemos nos referir aos dados coletados ao longo do tempo da mesma disciplina / unidade de estudo repetidamente, portanto, existem correlações para as observações dentro da mesma disciplina, ou seja, semelhança dentro da disciplina.

Ao falar sobre dados de séries temporais, também nos referimos aos dados coletados ao longo de uma série de tempo e parece muito semelhante à configuração longitudinal mencionada acima.

Gostaria de saber se alguém pode fornecer um esclarecimento claro entre esses dois termos, qual é o relacionamento e quais são as diferenças?

time-series terminology panel-data

— perguntando
fonte

1

Isso pode se transformar em uma pesquisa ... Eu trabalhei nos dois tipos de dados, e uma diferença importante parece ser que os dados longitudinais são frequentemente usados em análises causais , para entender o impacto de intervenções ou tratamentos, enquanto as séries temporais são frequentemente usadas na previsão . Obviamente, a diferença não é clara (você precisa entender os drivers subjacentes a prever e, na IMO, você não os entendeu, a menos que possa fazer previsões bem). Mas as pessoas que fazem a detecção de sinais em séries temporais geralmente não se importam muito com a previsão, portanto provavelmente rejeitam minha distinção.

— S. Kolassa - Restabelece Monica

Obrigado por seus comentários. Mas acho que o termo "causal" pode não ser apropriado aqui, mas o termo "associação" deve ser melhor? Em termos do objetivo da análise de dados, acho que seus comentários fizeram algum sentido para mim. Mas não podemos usar os dados longitudinais para fazer previsões? Como também são dados de séries temporais.

— askming

1

Você tem um ponto re "causal" vs. "associação" e, é claro, dados longitudinais podem ser usados para prever - é apenas que eu não costumo ver os dois conceitos juntos. Os analistas costumam falar sobre séries temporais. Além disso, eu não poderia colocar nada melhor do que @gung.

— S. Kolassa - Restabelece Monica

3

Uma das possíveis diferenças típicas (não definicionais) é que, nas séries temporais, você vê e modela o tempo

resposta como dependente do estado

; isso é efeito de transição . Na análise do tempo longitudinal, você geralmente considera o tempo como fator de evolução evolutivo permanente .

t

$t$

t - 1

$t-1$

— precisa saber é o seguinte

4

Veja também outros tópicos, por exemplo: stats.stackexchange.com/questions/7110/… stats.stackexchange.com/questions/11413/…

— Nick Cox

19

Duvido que existam definições estritas e formais com as quais uma ampla gama de analistas de dados concorde.

No entanto, em geral, as séries temporais conotam uma única unidade de estudo observada em intervalos regulares por um período muito longo. Um exemplo prototípico seria o crescimento anual do PIB de um país ao longo de décadas ou mesmo mais de cem anos. Para um analista que trabalha para uma empresa privada, pode haver receitas mensais de vendas ao longo da vida da empresa. Como existem muitas observações, os dados são analisados detalhadamente, procurando coisas como sazonalidade em diferentes períodos (por exemplo, mensalmente: mais vendas no início de um mês logo após o pagamento das pessoas; anualmente: mais vendas em novembro e Dezembro, quando as pessoas estão comprando para o Natal) e, possivelmente, mudanças de regime. A previsão geralmente é muito importante, como observa @StephanKolassa.

Longitudinal geralmente se refere a menos medições em um número maior de unidades de estudo. Um exemplo prototípico pode ser um teste de drogas, em que existem centenas de pacientes medidos na linha de base (antes do tratamento) e mensalmente nos próximos 3 meses. Com apenas 4 observações de cada unidade neste exemplo, não é possível tentar detectar os tipos de recursos que os analistas de séries temporais estão interessados. Por outro lado, com pacientes presumivelmente randomizados em braços de tratamento e controle, a causalidade pode ser inferida uma vez a não independência foi abordada. Como isso sugere, muitas vezes a não independência é considerada quase um incômodo, e não a principal característica do interesse.

— - Reinstate Monica
fonte

8

Existem aproximadamente três tipos de conjuntos de dados:

seção transversal: sujeitos diferentes ao mesmo tempo; pense nisso como uma linha com muitas colunas correspondentes a assuntos diferentes;
séries temporais: o mesmo assunto em momentos diferentes; pense nela como uma coluna com linhas correspondentes a diferentes pontos no tempo;
painel (longitudinal): muitos assuntos em momentos diferentes, você tem o mesmo assunto em momentos diferentes e você tem muitos assuntos ao mesmo tempo; pense nisso como uma tabela em que linhas são pontos no tempo e colunas são assuntos.

— Aksakal
fonte

2

Com base nos seus comentários, parece que os dados longitudinais são um conjunto de vários dados de séries temporais coletados de diferentes sujeitos?

— askming

1

Geralmente, sim, você pode ver os dados de cada sujeito como uma série temporal. Na prática, porém, os dados longitudinais costumam ter muito poucos pontos de tempo para cada sujeito. Eles chamam os pontos de tempo de ondas . Por exemplo, pode ser um estudo médico em que cada paciente tem 4-5 observações em intervalos mensais e centenas de pacientes ao longo dos anos. Dessa forma, os conjuntos de dados do painel geralmente são desequilibrados (pense em uma tabela muito esparsa); portanto, os estudos longitudinais têm seus próprios métodos favoritos para lidar com isso.

— Aksakal

Isso é útil, dada a pergunta, mas existem muitos outros tipos de conjuntos de dados que não se enquadram em nenhum desses títulos. No entanto, eles não parecem relevantes para a questão, e tentar classificar todos os tipos possíveis de conjuntos de dados seria inútil aqui. Exemplos: qualquer conjunto de dados em que a estrutura básica esteja sujeita x assunto; qualquer conjunto de dados que não seja bidimensional.

— Nick Cox

@NickCox, é verdade, mas eu estou em econometria, e estes três são os únicos com teorias desenvolvidas, e usado principalmente em nosso campo

— Aksakal

2

Sem dúvida, você é, mas nada na questão obriga ou até encoraja um ponto de vista estritamente econométrico, nem sua perspectiva específica foi explicitada.

— Nick Cox

3

Esses dois termos podem não estar relacionados da maneira que o OP assume - ou seja, não acho que sejam modos de análise concorrentes.

Em vez disso, a análise de séries temporais descreve um conjunto de técnicas de nível inferior que podem ser úteis para analisar dados em um estudo longitudinal.

O objeto de estudo na análise de séries temporais é algum sinal dependente do tempo.

A maioria das técnicas para analisar e modelar / prever esses sinais dependentes do tempo é construída com base na premissa de que esses sinais são decomponíveis em vários componentes. Os dois mais importantes são:

componentes cíclicos (por exemplo, diariamente, semanalmente, mensalmente, sazonalmente); e
tendência

Em outras palavras, a análise de séries temporais é baseada na exploração da natureza cíclica de um sinal dependente do tempo para extrair um sinal subjacente.

— doug
fonte

0

Para simplificar, assumirei um estudo de indivíduos, mas o mesmo se aplica a qualquer unidade de análise. Não é complicado, séries temporais são dados coletados ao longo do tempo, geralmente implicando a mesma medida de uma população equivalente em intervalos de tempo separados - ou coletados continuamente, mas analisados em intervalos de tempo.
Dados longitudinais com escopo muito mais amplo. A população equivalente é substituída pela população idêntica, para que dados individuais possam ser emparelhados ou unidos ao longo do tempo. Dados longitudinais podem ser medidas repetidas ou não, dependendo do objetivo do estudo. Quando os dados longitudinais se parecem com uma série temporal, é quando medimos a mesma coisa ao longo do tempo. A grande diferença é que, em uma série temporal, podemos medir a mudança geral na medição ao longo do tempo (ou por grupo), enquanto em uma análise longitudinal você realmente tem a medição da mudança no nível individual. Portanto, você tem muito mais potencial para análise e a medição da mudança é isenta de erros se houver amostragem; portanto, um estudo longitudinal pode ser mais preciso e informativo.

— dre0303
fonte