術語“時間序列分析”和“縱向數據分析”有什麼區別

在談到縱向數據時，我們可能會反復引用從同一受試者/研究單位隨時間收集的數據，因此同一受試者內的觀察結果存在相關性，即受試者內相似性。

當談到時間序列數據時，我們也指的是在一系列時間收集的數據，它似乎與上面提到的縱向設置非常相似。

我想知道是否有人可以在這兩個術語之間提供明確的說明，有什麼關係以及有什麼區別？

我懷疑是否有廣泛的數據分析師同意的嚴格、正式的定義。

然而，一般而言，時間序列意味著在很長一段時間內定期觀察到的單個研究單元。一個典型的例子是一個國家幾十年甚至一百多年的年 GDP 增長。對於為私營公司工作的分析師來說，這可能是公司整個生命週期內的每月銷售收入。因為有很多觀察結果，所以對數據進行了非常詳細的分析，尋找不同時期的季節性（例如，每月：在人們獲得報酬後的月初銷售量增加；每年：11 月和12 月，當人們在聖誕節購物時），以及可能的政權更迭。正如@StephanKolassa 所說，預測通常非常重要。

縱向通常是指在大量研究單元上進行較少的測量。一個典型的例子可能是藥物試驗，其中有數百名患者在基線（治療前）測量，接下來的 3 個月每月測量一次。在本例中，每個單元只有 4 個觀察值，無法嘗試檢測時間序列分析人員感興趣的特徵類型。另一方面，患者可能隨機分為治療組和對照組，因果關係可以推斷一次不獨立問題已得到解決。正如這表明的那樣，不獨立通常被認為幾乎是一種麻煩，而不是主要的興趣特徵。

引用自：https://stats.stackexchange.com/questions/93461