如何比較兩個時間序列之間的差異？
我正在寫我的論文，我正在研究人們對不同事件表現出的強烈情感。我的問題是（1）我對統計和數學的經驗很少，所以我對所有不同的方法有點迷茫，如果能給出一個“簡單”的答案（沒有很多算法和東西），我會很高興.
所以主要問題：
在下圖中，我想檢查第二張圖中的黃線與第一張圖相比是否有顯著差異，以及差異有多大。這是如何以最簡單的方式完成的？
我已經搜索了兩天的答案，但找不到可以幫助我的東西。所以我希望有人能以正確的方式幫助我！
幾年來，處理鼠標軌跡數據的研究人員一直在努力解決同樣的問題。
Hehman 等人（出版中）對即將發布的方法進行了相當全面的審查，但我將在這裡總結一些可能對您有用的觀點。我敢肯定還有其他解決方案，但這些解決方案具有以下優點：a）相對簡單，b）在心理學文獻中確立。
大量 t 檢驗
可能是最簡單的方法，也是自最初的鼠標跟踪論文(Spivey et al, 2005)以來一直使用的一種方法，即為每個時間步（其中 101 個在鼠標跟踪中）運行單獨的 t 檢驗，並報告您的兩個條件顯著不同的時期，我猜在您的示例中約為 37,139 到 39,288。如果您的實驗不僅僅是對兩組進行比較，Scherbaum 等人 (2010)對 101 個回歸模型做了類似的事情，讓它們能夠在不同的時間點顯示不同因素的影響。
增長曲線/多項式回歸
另一種補充方法是使用增長曲線分析，也稱為多項式回歸。這種方法傳統上用於分析細菌種群的縱向生長曲線（因此得名）的形狀，或隨著時間的推移兒童的身高，在眼動追踪研究中很流行，也被用於鼠標追踪。本質上，不是擬合常規線性回歸：
在哪裡告訴你效果在，你添加一個係數， 和， 和， 等等：
雖然顯然更複雜，但這可以讓您得出關於每條曲線的形狀的結論，而不僅僅是一條高於另一條的事實。
Dan Mirman 在這方面有一個很棒的教程（和一本書），它專門關於眼動追踪數據，但可以應用於其他地方。
統計大砲——廣義加法混合模型
McKeown 和 Sneddon（2014 年）（可在此處獲得預印本）剛剛發表了一篇關於您想要做什麼的論文，或者，用他們的話說：“保持持續共享的響應組件，這些組件是由於隨著時間的推移感知到的情緒，同時能夠推斷關於組之間的線性差異”。
為了完整起見，我提到了這一點，但這裡涉及的數學確實非常困難（我下週留出一段時間來嘗試自己弄清楚），所以雖然我認為這不適合你的論文，但它是絕對是需要注意的事情，並通過引用給人們留下深刻印象。