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
fonte
Respostas:
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.
fonte
Existem aproximadamente três tipos de conjuntos de dados:
fonte
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.
fonte
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.
fonte