Diferencia entre el diseño longitudinal y las series temporales

Question

¿Cuál es la diferencia entre un diseño longitudinal y una serie temporal?

Answer 1

Si pensamos en diseños formados por $n$ casos medidos en $k$ ocasiones, entonces la siguiente definición suelta me parece descriptiva de la distinción:

• diseños longitudinales: alto $n$ , baja $k$
• serie temporal: baja $n$ , alto $k$

Por supuesto, esto plantea la cuestión de qué es alto y qué es bajo. Resumiendo mi propio sentido aproximado de estas definiciones difusas, ejemplos prototípicos de:

• series temporales pueden tener $n$ = 1, 2 o 5 y $k$ = 20, 50, 100 o 1000, y
• diseños longitudinales podrían tener $n$ = 10, 50, 100, 1000 y $k$ = 2, 3, 5, 10, 20

Actualización: Seguimiento de Dr. Who's La pregunta sobre cuál es el propósito de la distinción, no tengo una respuesta autorizada, pero aquí hay algunas ideas:

• la terminología evoluciona en las disciplinas que se ocupan de problemas sustantivos concretos
• series temporales
  • a menudo se trata de pronosticar puntos de tiempo futuros
  • a menudo se trata de modelar diversos procesos cíclicos y tendenciales
  • A menudo se trata de describir la dinámica temporal con gran detalle
  • suele estudiar fenómenos en los que lo que se mide tiene un interés específico (por ejemplo, la tasa de desempleo, los índices bursátiles, etc.)
  • los índices temporales suelen ser preexistentes
• diseños longitudinales:
  • suelen utilizar muestras de casos como ejemplares de una población para hacer inferencias sobre la misma (por ejemplo, muestra de niños para estudiar cómo cambian los niños en general)
  • a menudo se refieren a procesos temporales bastante generales como el crecimiento, la variabilidad y los modelos de cambio funcional relativamente simples
  • El estudio suele estar diseñado específicamente para tener un número determinado de puntos temporales.
  • a menudo se interesan por la variación de los procesos de cambio

Dadas las diferencias en la dinámica temporal real, y la combinación particular de $k$ y $n$ esto crea diferentes retos de modelización estadística. Por ejemplo, con un alto $n$ y baja $k$ A menudo se utilizan modelos multinivel que toman prestada la fuerza del proceso de cambio típico para describir el proceso de cambio individual. Estas diferentes disciplinas, retos de modelización y literaturas fomentan la creación de una terminología distinta.

En fin, esa es mi impresión. Tal vez otros tengan una visión más clara.

Answer 2

A series temporales es una simple secuencia de puntos de datos espaciados en el tiempo, normalmente con intervalos de tiempo regulares. A diseño longitudinal es bastante más específico, manteniendo la misma muestra para cada observación a lo largo del tiempo.

Un ejemplo de serie temporal podría ser el desempleo medido cada mes mediante una encuesta de población activa con una muestra nueva cada vez; esto sería una secuencia de diseños transversales. Pero podría ser cualquier cosa, como sus ahorros personales cada año, que también sería longitudinal. O simplemente podría seguir a una cohorte concreta de personas que envejecen, como el documental televisivo ¡Siete arriba! y las secuelas cada siete años después - la última fue 49 Arriba en 2005, por lo que debería haber otra edición el año que viene. Los diseños longitudinales tienden a informar más sobre la forma en que los individuos típicos cambian con el tiempo, pero podrían (dependiendo de los detalles del diseño y de si la muestra se actualiza) decir menos sobre cómo cambia la población en su conjunto.

Answer 3

Añadiré que en el contexto de las series temporales se suele suponer que los datos observados son una realización de un proceso estocástico. De ahí que en las series temporales se preste mucha atención a las propiedades de los procesos estocásticos, como la estacionariedad, la ergodicidad, etc. En el contexto longitudinal, a mi entender, los datos proceden de muestras habituales (por muestra entiendo una secuencia de variables iid) observadas en diferentes puntos del tiempo, por lo que se aplican métodos estadísticos clásicos, ya que siempre suponen que la muestra es observada.

Como respuesta corta, se podría decir que las series temporales se estudian en econometría, diseño longitudinal en estadística. Pero eso no responde a la pregunta, sino que la desplaza a otra. Por otro lado, muchas respuestas cortas hacen exactamente eso.

Answer 4

Los datos de las series temporales se evalúan a intervalos regulares durante un largo periodo de tiempo. Mientras que los datos longitudinales no lo son: las medidas repetidas son para un periodo corto de tiempo. Es decir, la recogida de datos puede detenerse/terminarse en un momento determinado para realizar el análisis o cuando las medidas satisfacen al investigador en términos de cambio de comportamiento.