Longitudinal data

اگر اثر متغیر توضیحی بر پاسخ در طول زمان تغییر کند این اطلاعات را نمیتوان در داده های مقطعی متوجه آن شد همچنین در سری زمانی ما معمولا از متغیر توضیحی استفاده نمی کنیم و هدف بیشتر مطالعه‌ی یک متغیر در طول زمان است و عوامل موثر بر آن مطالعه نمی شود ولی داده های طولی در واقع ترکیبی از سری زمانی و رگرسیون است که در آن اثر متغیرها بر پاسخ در طول زمان مطالعه می‍شود مثلا اگر مثال سمینار را بخواهم باز کنم اگر بین جمعیت و وسعت کشورها رگرسیون بزنیم مثلا وسعت کشورها معمولا در طول چند سال اخیر ثابت بوده ولی جمعیت کشورها با توجه به سیاست کشورها،جنگ‌هاو... ممکن است در طول زمان دچار تغییراتی شود که در صورتی که ما رگرسیون بزنیم متوجه این ارتباطات نمی شویم و استفاده از سری زمانی تنها اطلاعاتی راجع به ارتباط جمعیت و وسعت را نمیدهد پس با استفاده از داده‌های طولی هر دو اطلاعات سری و رگرسیون را می‌توان به دست آورد. مدل با اثرات آمیخته شامل اثرات تصادفی و اثرات ثابت است و ممکن است در داده‌های طولی هر دو نوع عامل وجود داشته باشد.