"সময় ধারাবাহিক বিশ্লেষণ" এবং "অনুদায়ী তথ্য বিশ্লেষণ" পদগুলির মধ্যে পার্থক্যগুলি কী?

17

দ্রাঘিমাংশ সম্পর্কিত তথ্য সম্পর্কে কথা বলার সময় আমরা একই বিষয় / অধ্যয়ন ইউনিট থেকে বারবার সংগৃহীত তথ্যগুলি বারবার উল্লেখ করতে পারি, সুতরাং একই বিষয়টির মধ্যে পর্যবেক্ষণের জন্য পারস্পরিক সম্পর্ক রয়েছে, অর্থাত্-বিষয়গুলির মধ্যে মিল রয়েছে।

সময়-সিরিজের ডেটা সম্পর্কে কথা বলার সময়, আমরা বেশ কয়েকটি সময়ের মধ্যে সংগৃহীত ডেটাগুলিও উল্লেখ করি এবং এটি উপরে বর্ণিত অনুদৈর্ঘ্য বিন্যাসের সাথে খুব মিল বলে মনে হয়।

আমি ভাবছি যদি কেউ এই দুটি পদগুলির মধ্যে একটি স্পষ্ট ব্যাখ্যা দিতে পারে তবে সম্পর্ক কী এবং পার্থক্যগুলি কী?

time-series terminology panel-data

— askming
সূত্র

1

এটি একটি পোলে পরিণত হতে পারে ... আমি উভয় প্রকারের ডেটাতে কাজ করেছি এবং একটি মূল পার্থক্য মনে হয় যে হস্তক্ষেপ বা চিকিত্সার প্রভাব বোঝার জন্য অনুদায়ী তথ্য প্রায়শই কার্যকারণ বিশ্লেষণে ব্যবহৃত হয় , যেখানে সময় সিরিজ প্রায়শই ব্যবহৃত হয় মধ্যে পূর্বাভাস । অবশ্যই পার্থক্যটি পরিষ্কার নয় (পূর্বাভাস দেওয়ার জন্য আপনার অন্তর্নিহিত ড্রাইভারগুলি বুঝতে হবে, এবং আইএমও আপনি ড্রাইভারগুলি বুঝতে পারবেন না যতক্ষণ না আপনি ভাল পূর্বাভাস দিতে পারেন)। কিন্তু সময়সূচীতে সিগন্যাল সনাক্তকারী লোকেরা প্রায়শই পূর্বাভাস দেওয়ার বিষয়ে এতটা যত্ন করে না, তাই তারা সম্ভবত আমার পার্থক্য প্রত্যাখাত করবে।

— স্টিফান কোলাসা

তোমার মন্তব্যের জন্য ধন্যবাদ. তবে আমি মনে করি এখানে "কার্যকারণ" শব্দটি উপযুক্ত নাও হতে পারে বরং "সমিতি" শব্দটি আরও ভাল হওয়া উচিত? ডেটা বিশ্লেষণের উদ্দেশ্য অনুসারে, আমি মনে করি আপনার মন্তব্যগুলি আমাকে কিছুটা অর্থ দিয়েছিল। কিন্তু আমরা কি অনুদর্শন করার জন্য অনুদায়ী তথ্য ব্যবহার করতে পারি না? যেহেতু এটি টাইম সিরিজের ডেটাও ধরণের।

— জিজ্ঞাসা করা হচ্ছে

1

আপনার কাছে একটি "পুনরায়" কার্যকারিতা "বনাম" সমিতি "রয়েছে এবং অবশ্যই অনুদৈর্ঘ্যের ডেটা পূর্বাভাসের জন্য ব্যবহার করা যেতে পারে - এটি ঠিক যে আমি প্রায়শই দুটি ধারণা একসাথে দেখতে পাই না। পূর্বাভাসকরা সাধারণত সময় সিরিজ সম্পর্কে কথা বলেন। তা ছাড়া, আমি এটিকে @ গুংয়ের চেয়ে ভাল কিছু দিতে পারিনি।

— স্টিফান কোলাসা

3

এক সম্ভব টিপিক্যাল (definitional নয়) পার্থক্য যে সময় সিরিজে আপনি দেখতে এবং মডেল সময়

উপর নির্ভরশীল যেমন প্রতিক্রিয়া

রাষ্ট্র; এটি ক্যারিওভার ইফেক্ট। অনুদৈর্ঘ্য সময়ের বিশ্লেষণে আপনি সাধারণত সময়কে স্থায়ী , বিবর্তনীয় পটভূমি ফ্যাক্টর হিসাবে বিবেচনা করেন ।

t

$t$

t - 1

$t-1$

— ttnphns

4

অন্যান্য থ্রেডগুলিও দেখুন, উদাহরণস্বরূপ stats.stackexchange.com/questions/7110/… stats.stackexchange.com/questions/11413/…

— নিক কক্স

19

আমার সন্দেহ আছে যে কঠোর, আনুষ্ঠানিক সংজ্ঞা রয়েছে যেগুলি বিশ্লেষণ করে ডেটা বিশ্লেষকরা বিস্তৃত।

তবে সাধারণভাবে, সময় সিরিজ খুব দীর্ঘ সময়ের মধ্যে নিয়মিত বিরতিতে পর্যবেক্ষণ করা একক স্টাডি ইউনিটকে বোঝায়। একটি প্রোটোটাইপিকাল উদাহরণ হ'ল কয়েক দশক বা একশত বছরেরও বেশি সময় ধরে কোনও দেশের বার্ষিক জিডিপি বৃদ্ধি। কোনও প্রাইভেট কোম্পানির জন্য কাজ করা কোনও বিশ্লেষকের জন্য, এটি সংস্থার জীবনকাল ধরে মাসিক বিক্রয় আয় হতে পারে। যেহেতু অনেকগুলি পর্যবেক্ষণ রয়েছে, বিভিন্ন সময়কালে মৌসুমতার মতো জিনিসগুলি অনুসন্ধান করে ডেটাটি বিশদভাবে বিশ্লেষণ করা হয় (উদাহরণস্বরূপ, মাসিক: লোকেরা প্রদানের ঠিক এক মাসের শুরুতে আরও বিক্রয়; বার্ষিক: নভেম্বর মাসে আরও বিক্রয় এবং আরও বিক্রয় ডিসেম্বর, যখন লোকেরা ক্রিসমাসের মরসুমে কেনাকাটা করবে) এবং সম্ভবত শাসনের শিফট। @ স্টিফেনকোলাসা নোট হিসাবে প্রায়শই পূর্বাভাস দেওয়া খুব গুরুত্বপূর্ণ।

অনুদৈর্ঘ্য সাধারণত অধ্যয়ন ইউনিটের একটি বৃহত সংখ্যার তুলনায় কম পরিমাপকে বোঝায়। একটি প্রোটোটাইপিকাল উদাহরণটি ড্রাগ ড্রাগ পরীক্ষা হতে পারে, যেখানে বেসলাইন (চিকিত্সার আগে) এবং সেখানে পরের 3 মাসের জন্য কয়েকশো রোগী পরিমাপ করা হয়। এই উদাহরণে প্রতিটি ইউনিটের মাত্র 4 টি পর্যবেক্ষণের সাথে টাইম সিরিজের বিশ্লেষকরা আগ্রহী এমন বৈশিষ্ট্যগুলি সনাক্ত করার চেষ্টা করা সম্ভব নয় the অন্যদিকে, রোগীরা সম্ভবত চিকিত্সা এবং নিয়ন্ত্রণের অস্ত্রগুলিতে এলোমেলোভাবে তৈরি করার কারণে কার্যকারিতা একবারে অনুমান করা যেতে পারে অ-স্বাধীনতা সম্বোধন করা হয়েছে। যেমনটি বোঝা যায়, প্রায়শই স্ব-স্বাধীনতা আগ্রহের প্রাথমিক বৈশিষ্ট্যের চেয়ে প্রায় একটি উপদ্রব হিসাবে বিবেচিত হয়।

— gung - মনিকা পুনরায় স্থাপন করুন
সূত্র

8

এখানে প্রায় তিন প্রকারের ডেটাসেট রয়েছে:

ক্রস বিভাগ: একই সাথে বিভিন্ন বিষয়; বিভিন্ন বিষয়গুলির সাথে সম্পর্কিত অনেকগুলি কলাম সহ এটিকে একটি সারি হিসাবে মনে করুন;
সময় সিরিজ: বিভিন্ন সময়ে একই বিষয়; এটিকে এক কলাম হিসাবে বিভিন্ন সময় পয়েন্টের সাথে সারি যুক্ত মনে করুন;
প্যানেল (অনুদৈর্ঘ্য): বিভিন্ন সময়ে বিভিন্ন বিষয়, আপনার বিভিন্ন সময়ে একই বিষয় এবং আপনার একই সাথে অনেকগুলি বিষয় থাকে; এটিকে একটি টেবিল হিসাবে মনে করুন যেখানে সারিগুলি সময় পয়েন্ট এবং কলামগুলি বিষয়।

— Aksakal
সূত্র

2

আপনার মন্তব্যের উপর ভিত্তি করে, মনে হচ্ছে অনুদৈর্ঘ্য তথ্যটি বিভিন্ন বিষয় থেকে সংগৃহীত একাধিক সময়ের সিরিজ ডেটার সেট?

— জিজ্ঞাসা করা

1

সাধারণত, হ্যাঁ, আপনি প্রতিটি বিষয় ডেটা সময় সিরিজ হিসাবে দেখতে পেতেন। যদিও অনুশীলনে, অনুদায়ী তথ্যের প্রায়শই প্রতিটি বিষয়ের জন্য খুব কম সময় পয়েন্ট থাকে। তারা সময় পয়েন্ট তরঙ্গ কল । উদাহরণস্বরূপ, এটি চিকিত্সা অধ্যয়ন হতে পারে যেখানে প্রতিটি রোগীর মাসিক বিরতিতে 4-5 পর্যবেক্ষণ থাকে এবং কয়েক বছর ধরে কয়েকশ রোগী রয়েছে। এই পদ্ধতিতে প্যানেল ডেটা সেটগুলি প্রায়শই ভারসাম্যহীন হয় (খুব বিরল টেবিলের কথা ভাবেন), সুতরাং অনুদৈর্ঘ্য অধ্যয়নের সাথে এটি মোকাবেলা করার জন্য নিজস্ব পছন্দসই পদ্ধতি রয়েছে।

— আকসকল

এই প্রশ্নটি দেওয়াতে সহায়ক, তবে আরও অনেক ধরণের ডেটাসেট রয়েছে যা এর কোনও শিরোনামের আওতায় পড়ে না। যাইহোক, তারা এই প্রশ্নের সাথে প্রাসঙ্গিক বলে মনে হচ্ছে না এবং প্রতিটি সম্ভাব্য ডেটাसेटকে শ্রেণিবদ্ধ করার চেষ্টা করা এখানে বৃথা হবে। উদাহরণস্বরূপ: যে কোনও ডেটাसेट যেখানে বেসিক কাঠামো সাবজেক্ট x সাবজেক্ট; দ্বি-মাত্রিক নয় এমন কোনও ডেটাসেট।

— নিক কক্স

@ নিককক্স, সত্য, তবে আমি একনোমেট্রিক্সে আছি এবং এই তিনটিই বিকাশিত তত্ত্বগুলি সহ বেশিরভাগ ক্ষেত্রে আমাদের ক্ষেত্রে ব্যবহৃত হয়

— আকসাকাল

2

সন্দেহ নেই যে আপনি, তবে প্রশ্নের কোনও কিছুই বাধ্য নয় বা এমনকি সংকীর্ণ একনোমিত্রিক দৃষ্টিভঙ্গিকে উত্সাহ দেয় না বা আপনার নির্দিষ্ট দৃষ্টিকোণটিও স্পষ্ট করে তোলা হয়নি।

— নিক কক্স

3

এই দুটি পদটি ওপি অনুমান করার সাথে সম্পর্কিত হতে পারে না - অর্থাত্, আমি মনে করি না যে তারা বিশ্লেষণের প্রতিদ্বন্দ্বী।

পরিবর্তে সময়-সিরিজ বিশ্লেষণটি নিম্ন-স্তরের কৌশলগুলির একটি সেট বর্ণনা করে যা অনুদৈর্ঘ্য গবেষণায় ডেটা বিশ্লেষণে কার্যকর হতে পারে।

সময় সিরিজ বিশ্লেষণে অধ্যয়নের উদ্দেশ্যটি হ'ল কিছু সময়-নির্ভর সংকেত।

এই সময়-নির্ভর সংকেতগুলির বিশ্লেষণ এবং মডেল / পূর্বাভাস দেওয়ার জন্য বেশিরভাগ কৌশলগুলি এই সংকেতগুলি বিভিন্ন উপাদানগুলিতে দ্রবীভূত হওয়ার ভিত্তিতে তৈরি করা হয়। দুটি অত্যন্ত গুরুত্বপূর্ণ:

চক্রীয় উপাদান (যেমন, প্রতিদিন, সাপ্তাহিক, মাসিক, মৌসুমী); এবং
প্রবণতা

অন্য কথায়, টাইম সিরিজ বিশ্লেষণ অন্তর্নিহিত সংকেত উত্তোলনের জন্য সময় নির্ভর নির্ভর সংকেতটির চক্রীয় প্রকৃতির শোষণের উপর ভিত্তি করে।

— ডগ
সূত্র

0

এটিকে সহজ করার জন্য আমি ব্যক্তিদের একটি গবেষণা গ্রহণ করব, তবে এটি বিশ্লেষণের যে কোনও ইউনিটে প্রযোজ্য। এটি জটিল নয়, সময়ের সাথে সিরিজ হ'ল ডেটা সংগ্রহ করা হয়, সাধারণত পৃথক সময়ের ব্যবধানে সমতুল্য জনগোষ্ঠীর কাছ থেকে একই পরিমাপকে বোঝায় - বা ক্রমাগত সংগ্রহ করা হয় তবে সময়সী বিরতিতে বিশ্লেষণ করা হয়।
দ্রাঘিমাংশ ডেটা সুযোগে আরও বিস্তৃত। সমতুল্য জনসংখ্যা অভিন্ন জনসংখ্যার দ্বারা প্রতিস্থাপিত হয়, তাই স্বতন্ত্র ডেটা যুক্ত হতে পারে বা সময়ের সাথে যুক্ত হতে পারে। অনুদায়ী তথ্যগুলি বারবার পরিমাপ করা যেতে পারে বা অধ্যয়নের লক্ষ্য অনুসারে নয়। যখন লম্বিটুডিনাল ডেটা যখন সময়ের সাথে একই জিনিস পরিমাপ করে তখন সময় সিরিজের মতো লাগে। বড় পার্থক্যটি হ'ল একটি সময় সিরিজে আমরা সময়ের সাথে পরিমাপের সামগ্রিক পরিবর্তনকে (বা গোষ্ঠী অনুসারে) পরিমাপ করতে পারি যখন একটি অনুদৈর্ঘ্য বিশ্লেষণের সময় আপনার কাছে পৃথক স্তরে পরিবর্তনের পরিমাপ থাকে। সুতরাং আপনার বিশ্লেষণের অনেক বেশি সম্ভাবনা রয়েছে এবং নমুনা জড়িত থাকলে পরিবর্তনের পরিমাপ ত্রুটিবিহীন, সুতরাং একটি অনুদৈর্ঘ্য অধ্যয়ন আরও সুনির্দিষ্ট এবং তথ্যবহুল হতে পারে।

— dre0303
সূত্র