فهرست مطالب وبلاگ

     علاوه بر طبقه بندی داده ها بر اساس نوع آنها، می توانیم آنها را بر اساس اینکه آیا مشاهدات در همان زمان اندازه گیری می شوند یا اینکه نماینده اندازه گیری هایی در مقاطع زمانی پی در پی هستند، طبقه بندی کنیم. به اولی داده های مقطعی (cross-sectional data) گفته می شود و دومی داده های سری زمانی (time-series data) است.

     برای مثال، فرض کنید که یک مشاور املاک تصور می کند قیمت فروش یک خانه، تابعی است از اندازه، قدمت و مساحت زمین آن. برای برآورد شکل تابع، او 100 خانه اخیرا فروخته شده را نمونه گیری می کند؛ و قیمت، اندازه، قدمت و مساحت زمین را برای هر خانه ذخیره می کند. این داده ها مقطعی هستند، زیرا همه آنها مشاهداتی در یک مقطع زمانی هستند.

     این مشاور بر روی یک پروژه دیگری هم کار می کند تا تعداد ماهیانه مسکن های تازه شروع به ساخت شده را در کشور پیش بینی کند. برای این کار، او تعداد ماهیانه مسکن های تازه شروع به ساخت شده را در 5 سال گذشته جمع آوری می کند. این 60 عدد (5 سال 12 ماه دارد)، نمایانگر داده های سری زمانی است، زیرا آنها مشاهداتی در طول زمان هستند.

     توجه کنید که داده های اصلی ممکن است فاصله ای یا اسمی باشد. یک سری زمانی می تواند فراوانی یا فراوانی نسبی یک متغیر اسمی را طی دوره های زمانی فهرست کند. برای مثال، یک نظرسنجی از مصرف کنندگان می خواهد که برند مورد علاقه خود را مشخص نمایند. این داده ها اسمی است. اگر ما این نظرسنجی را ماهی یک بار به مدت چند سال تکرار کنیم، نسبت مصرف کنندگانی که در هر ماه یک محصول شرکتی خاص را ترجیح می دهند، یک سری زمانی تشکیل خواهد داد.