纵向设计和时间序列之间的差异

纵向设计和时间序列之间的区别是什么？

我将补充一点，在时间序列上下文中，通常假设观察到的数据是随机过程的实现。因此，在时间序列中，人们对随机过程的性质给予了极大关注，例如平稳性，遍历性等。在我的理解中，纵向方面的数据来自于在不同点观察到的常规样本（按样本，我是指iid变量序列）。时间，因此应用经典的统计方法，因为它们始终假定观察到样本。

简短地说，也许有人会说时间序列是在计量经济学，纵向设计中研究统计的。但这并不能回答问题，而只是将其转移到另一个问题。另一方面，很多简短的答案恰好可以做到这一点。

如果我们认为设计是由k个场合中的案例组成的，那么以下松散的定义在我看来就是对区别的描述：$n$$k$

• 纵向设计：高，低$n$$k$
• 时间序列：低，高$n$$k$

当然，这引起了什么是高和什么是低的问题。总结一下我对这些模糊定义的粗略理解，这些典型示例包括：

• 时间序列可能具有 = 1、2或5且k = 20、50、100或1000，并且$n$$k$
• 纵向设计可能具有 = 10、50、100、1000和k = 2、3、5、10、20$n$$k$

更新： 跟进Who博士关于区分的目的是什么的问题，我没有权威的答案，但是这里有几点想法：

• 术语在涉及特定实质性问题的学科中发展
• 时间序列
  • 通常与预测未来时间点有关
  • 通常涉及建模各种周期性和趋势过程
  • 通常关注于详细描述时间动力学
  • 通常会研究特定事物具有特定意义的现象（例如失业率，股票市场指数等）
  • 时间索引通常是预先存在的
• 纵向设计：
  • 通常使用案例样本作为总体样本来推断总体（例如，儿童样本以研究儿童的总体状况）
  • 通常关注相当普遍的时间过程，例如增长，变异性和相对简单的功能变化模型
  • 研究通常是专门设计成具有给定数量的时间点的。
  • 通常对变更过程中的变化感兴趣

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

无论如何，这就是我的印象。也许其他人有更大的见识。

甲时间序列是数据点的简单的序列隔开一段时间，通常用规则的时间间隔。甲纵向设计是相当更具体的，保持相同的样品用于每个观测随时间。

时间序列的一个示例可能是使用劳动力调查每月测量一次失业，每次都有一个新样本。这将是一系列横截面设计。但这可能是诸如您每年的个人储蓄之类的事情，也是纵向的。或者它可能只是跟随一群特定年龄段的人，例如电视纪录片《七人向上》！然后每7年发布一次续集-最新的续集是2005 年的49 Up，因此明年应该再发布一次。纵向设计往往会告诉您更多有关典型个体随时间变化的方式的信息，但可能（取决于设计的细节和样本是否更新）对总体人口变化的说法较少。

长期定期对时间序列数据进行评估。而纵向数据却不是：重复的测量是在短时间内进行的。也就是说，数据收集可以在某个时间点停止/终止以进行分析，或者可以在行为改变方面使措施满足研究者的要求。