La verdadera distinción entre los datos es si existe o no un ordenamiento natural de los mismos que corresponde a las estructuras del mundo real y es relevante para el problema en cuestión.
Por supuesto, el "orden natural" más claro (e indiscutible) es el del tiempo, y de ahí la dicotomía habitual "serie transversal / temporal". Pero como se señala en los comentarios, podemos tener datos de series no temporales que, sin embargo, poseen un ordenamiento espacial natural . En tal caso, todos los conceptos y herramientas desarrollados en el contexto del análisis de series temporales se aplican aquí igualmente bien, ya que se supone que debe darse cuenta de que existe un ordenamiento espacial significativo, y no solo preservarlo, sino también examinar lo que puede implicar para la serie del término de error, entre otras cosas relacionadas con todo el modelo (como la existencia de una tendencia, que haría que los datos no sean estacionarios, por ejemplo).
Para un ejemplo (crudo), suponga que recopila datos sobre el número de automóviles que se han detenido en varios establecimientos de parada a lo largo de una carretera, en un día en particular (esa es la variable dependiente). Sus regresores miden las diversas instalaciones / servicios que ofrece cada parada, y tal vez otras cosas como la distancia desde las salidas / entradas de la autopista. Estos establecimientos se ordenan naturalmente a lo largo de la carretera ...
¿Pero esto importa? ¿Deberíamos mantener el orden e incluso preguntarnos si el término de error se correlaciona automáticamente? Ciertamente : suponga que algunas instalaciones / servicios en el establecimiento No 1 en realidad no son funcionales durante este día en particular (este evento sería capturado por el término de error). No obstante, los automóviles que tengan la intención de utilizar estas instalaciones / servicios particulares se detendrán, porque no conocen el problema. Pero se enterarán del problema y, debido al problema , también se detendrán en el próximo establecimiento, No 2, donde, silo que quieren está en oferta, recibirán los servicios y no se detendrán en el establecimiento No 3, pero existe la posibilidad de que el establecimiento No 2 parezca costoso y, después de todo, intentarán también el establecimiento No 3: Esto significa que las variables dependientes de los tres establecimientos pueden no ser independientes, lo que equivale a decir que existe la posibilidad de correlación de los tres términos de error correspondientes, y no "por igual", sino dependiendo de sus respectivas posiciones.
Por lo tanto, se debe preservar el ordenamiento espacial y se deben ejecutar pruebas de autocorrelación, y serán significativas.
Si, por otro lado, no parece existir una ordenación "natural" y significativa para un conjunto de datos específico, entonces la posible correlación entre las observaciones no debe designarse como "autocorrelación" porque sería engañosa y las herramientas específicamente desarrolladas para la ordenación Los datos son inaplicables. Pero es muy posible que exista correlación, aunque en tal caso, es bastante más difícil de detectar y estimar.