

收集数据对于进行实证分析是至关重要的步骤,理解不同的数据结构是重中之重,今天猫妮卡跟大家分享常见的数据结构:横截面数据。
先说专业知识,横截面数据集(cross-sectional data set),是在给定时点对诸如个人、家庭、企业、城市、等单位采集样本所构成的数据集。有时,所有数据并非完全对应于同一时间段,有时间前后的错位。例如,几个家庭的数据采集于同一个月月的不同星期。在一个纯粹的横截面分析中,我们可以忽略其中细小的时间差别。如果一系列家庭的数据都是在同一年度的不同星期被采集的,我们仍可视之为横截面数据集。
横截面数据的一个重要特征是,我们通常可以假定,它们是从样本背后的总体中通过随机抽样(random sampling)而得到的。
定义来源:计量经济学导论:现代观点
我们用一个“喝咖啡”的场景,来直观理解什么是横截面数据:
某一天早上 10 点,你走进一家咖啡店,对同一时刻在店里的很多人做了一次调查,你记录了每个人的信息,比如:
这个人今天喝不喝咖啡、喝的是美式还是拿铁、杯子的大小、价格、这个人的性别、年龄、收入水平等。
把这些人排成一张表:
每一行是一个人,
每一列是一个特征或变量(是否喝咖啡、花了多少钱、收入多少……),
而且所有信息都来自同一个时间点。
这,就是横截面数据。
这个场景的关键点在于:
你是在“切一个横截面”看世界。
就像给社会拍了一张定格照片,你比较的是不同人之间的差异,而不是同一个人随时间的变化。
在这个喝咖啡的例子里,横截面数据能帮你回答的问题是:
为什么有些人愿意花 6 刀买一杯咖啡,而有些人只买 3 刀的?
收入高的人是不是更容易点精品咖啡?
男性和女性在咖啡选择上有没有差别?
但它不能告诉你:
同一个人从去年到今年喝咖啡习惯有没有变化,
或者某个人在涨价前后是否减少了咖啡消费。
因为横截面数据没有时间维度的变化。
需要注意的是,在数据收集过程中,要注意获得的数据是否能反映整个群体的特征。例如你想研究上班族的喝咖啡习惯,但是去大学门口收集数据,这时,采集的样本是无法刻画目标群体的。别看这个例子很小,这可是猫妮卡的学生们经常犯的错误,经常有学生研究整个社会,但是只采集了大学生样本。
#科研学习 #计量经济学 #实证分析 #经济学
先说专业知识,横截面数据集(cross-sectional data set),是在给定时点对诸如个人、家庭、企业、城市、等单位采集样本所构成的数据集。有时,所有数据并非完全对应于同一时间段,有时间前后的错位。例如,几个家庭的数据采集于同一个月月的不同星期。在一个纯粹的横截面分析中,我们可以忽略其中细小的时间差别。如果一系列家庭的数据都是在同一年度的不同星期被采集的,我们仍可视之为横截面数据集。
横截面数据的一个重要特征是,我们通常可以假定,它们是从样本背后的总体中通过随机抽样(random sampling)而得到的。
定义来源:计量经济学导论:现代观点
我们用一个“喝咖啡”的场景,来直观理解什么是横截面数据:
某一天早上 10 点,你走进一家咖啡店,对同一时刻在店里的很多人做了一次调查,你记录了每个人的信息,比如:
这个人今天喝不喝咖啡、喝的是美式还是拿铁、杯子的大小、价格、这个人的性别、年龄、收入水平等。
把这些人排成一张表:
每一行是一个人,
每一列是一个特征或变量(是否喝咖啡、花了多少钱、收入多少……),
而且所有信息都来自同一个时间点。
这,就是横截面数据。
这个场景的关键点在于:
你是在“切一个横截面”看世界。
就像给社会拍了一张定格照片,你比较的是不同人之间的差异,而不是同一个人随时间的变化。
在这个喝咖啡的例子里,横截面数据能帮你回答的问题是:
为什么有些人愿意花 6 刀买一杯咖啡,而有些人只买 3 刀的?
收入高的人是不是更容易点精品咖啡?
男性和女性在咖啡选择上有没有差别?
但它不能告诉你:
同一个人从去年到今年喝咖啡习惯有没有变化,
或者某个人在涨价前后是否减少了咖啡消费。
因为横截面数据没有时间维度的变化。
需要注意的是,在数据收集过程中,要注意获得的数据是否能反映整个群体的特征。例如你想研究上班族的喝咖啡习惯,但是去大学门口收集数据,这时,采集的样本是无法刻画目标群体的。别看这个例子很小,这可是猫妮卡的学生们经常犯的错误,经常有学生研究整个社会,但是只采集了大学生样本。
#科研学习 #计量经济学 #实证分析 #经济学


