Hvis vi tenker på design som består av $ n $ tilfeller målt ved $ k $ anledninger, synes følgende løs definisjon for meg å være beskrivende for skillet:

• langsgående design: høy $ n $, lav $ k $
• tidsserie: lav $ n $, høy $ k $

Dette reiser selvfølgelig spørsmålet om hva som er høyt og hva som er lavt. Oppsummerer min egen grove følelse av disse fuzzy definisjonene, prototypiske eksempler på:

• tidsserier kan ha $ n $ = 1, 2 eller 5 og $ k $ = 20, 50, 100 eller 1000, og
• langsgående design kan ha $ n $ = 10, 50, 100, 1000 og $ k $ = 2, 3, 5, 10, 20

Oppdatering: Etter å ha fulgt opp Dr Who's spørsmål om hva som er formålet med skillet, har jeg ikke et autoritativt svar, men her er noen få tanker:

• terminologi utvikler seg i disipliner som er opptatt av spesielle materielle problemer
• tidsserier
  • ofte opptatt av å prognose fremtidige tidspunkter
  • ofte opptatt av modell ing forskjellige sykliske og trendprosesser
  • ofte opptatt av å beskrive tidsmessig dynamikk i detalj
  • studerer ofte fenomener der den spesielle målte tingen er av spesiell interesse (f.eks arbeidsledighet, aksjemarkedsindekser osv.)
  • tidsindekser er ofte eksisterende
• langsgående design:
  • bruker ofte eksempler på tilfeller som eksempler på en populasjon for å gjøre slutninger om populasjonen (f.eks. utvalg av barn for å studere hvordan barn endrer seg generelt)
  • ofte opptatt av ganske generelle timelige prosesser som vekst, variasjon og relativt enkle funksjonelle endringsmodeller
  • studie er ofte spesielt designet for å ha et gitt antall tidspunkter.
  • ofte interessert i variasjon i endringsprosesser

Gitt forskjellene i den faktiske tidsdynamikken, og den spesielle kombinasjonen av $ k $ og $ n $, skaper dette forskjellige statistiske modelleringsutfordringer. For eksempel, med høye $ n $ og lave $ k $ modeller på flere nivåer brukes ofte som låner styrke fra den typiske endringsprosessen for å beskrive den enkelte endringsprosessen. Disse forskjellige fagdisipliner, modelleringsutfordringer og litteraturer oppmuntrer til etableringen av distinkt terminologi. / p>

Uansett, det er mitt inntrykk. Kanskje andre har større innsikt.

En tidsserie er enkel en sekvens av datapunkter fordelt over tid, vanligvis med jevne tidsintervaller. En langsgående utforming er ganske mer spesifikk, og holder samme utvalg for hver observasjon over tid.

Et eksempel på en tidsserie kan være arbeidsledighet målt hver måned ved hjelp av en arbeidsstyrkeundersøkelse med et nytt utvalg hver gang; dette ville være en sekvens av tverrsnittsdesign. Men det kan være noe som din personlige besparelse hvert år, som også vil være langsgående. Eller det kan bare følge en bestemt gruppe mennesker som blir eldre, for eksempel TV-dokumentaren Seven Up! og oppfølgerne hvert sjuende år etter det - den siste var 49 Up i 2005, så det skulle være nok en utgave neste år. Langsgående design har en tendens til å fortelle deg mer om hvordan typiske individer endrer seg over tid, men kan (avhengig av detaljene i designet og om prøven blir oppdatert) si mindre om hvordan befolkningen som helhet endres.

Jeg vil legge til at det i tidsseriekontekst vanligvis antas at data observert er en realisering av stokastisk prosess. Derfor blir det i tidsserier lagt stor vekt på egenskapene til stokastiske prosesser, for eksempel stasjonaritet, ergodisitet osv. I lengdesammenheng kommer dataene mine fra min vanlige prøver (med prøven mener jeg sekvensen av iidvariabler) observert på forskjellige punkter i tid, så klassiske statistikkmetoder brukes, siden de alltid antar at prøven blir observert.

For kort svar kan man si at tidsserier studeres i økonometri, langsgående design - i statistikk. Men det svarer ikke på spørsmålet, bare skifter det til et annet spørsmål. På den annen side gjør mange korte svar akkurat det.

Tidsseriedata blir vurdert med jevne mellomrom i lang tid. Mens langsgående data ikke er det: de gjentatte tiltakene er for en kort periode. Det vil si at datainnsamling kan stoppes / avsluttes på et bestemt tidspunkt for å gjøre analysen eller når tiltakene tilfredsstiller forskeren når det gjelder atferdsendring.