Dane podłużne
Co to są dane podłużne?
Dane podłużne, czasami nazywane danymi panelowymi, to dane, które są zbierane poprzez serię powtarzających się obserwacji tych samych podmiotów w pewnym wydłużonym przedziale czasowym – i są przydatne do mierzenia zmian. Dane longitudinalne w rzeczywistości obejmują tę samą próbę na przestrzeni czasu, która zasadniczo różni się od danych przekrojowych, ponieważ dotyczą tych samych podmiotów przez pewien czas, podczas gdy dane przekrojowe obejmują w każdym punkcie różne podmioty (osoby fizyczne, firmy, kraje lub regiony) w samą porę. W międzyczasie zestaw danych przekrojowych zawsze będzie losował nową próbkę losową.
Dane podłużne są szeroko wykorzystywane w naukach społecznych, w tym wśród ekonomistów, politologów i socjologów.
Kluczowe wnioski
- Dane longitudinalne to dane zbierane sekwencyjnie od tych samych respondentów na przestrzeni czasu.
- Tego typu dane mogą być bardzo ważne w śledzeniu trendów i zmian w czasie poprzez zadawanie pytań tym samym respondentom w kilku falach rozłożonych w czasie.
- Dane długoterminowe są wykorzystywane w finansach do śledzenia rentowności firmy, ryzyka i zrozumienia skutków wstrząsów gospodarczych.
Zrozumienie danych podłużnych
Często analitycy są zainteresowani tym, jak rzeczy zmieniają się w czasie. W typowej próbie przekrojowej, nawet jeśli mierzysz jakąś zmienną dzisiaj, a potem znowu za rok, prawdopodobnie za każdym razem będziesz badać różne osoby. Aby lepiej zrozumieć, jak zmienia się sytuacja tych samych osób w czasie, musisz być w stanie je śledzić i kontaktować się z nimi za rok od teraz, a także w przyszłych falach. To są dane podłużne.
Dane długookresowe są często wykorzystywane w badaniach ekonomicznych i finansowych, ponieważ mają kilka zalet w porównaniu z powtarzającymi się danymi przekrojowymi. Na przykład, ponieważ dane longitudinalne mierzą, jak długo trwają wydarzenia, można je wykorzystać do sprawdzenia, czy ta sama grupa osób pozostaje bezrobotna podczas recesji, czy też różne osoby wchodzą i wychodzą z bezrobocia. Może to pomóc w określeniu czynników, które najbardziej wpływają na bezrobocie.
Zastosowania danych podłużnych
Analiza podłużna może być również wykorzystana do obliczenia wartości portfela zagrożonego (VaR), przy użyciu metody symulacji historycznej. Symuluje to, jak wartość bieżącego portfela zmieniałaby się w poprzednich okresach, wykorzystując obserwowane historyczne wahania aktywów w portfelu w tamtych czasach. Zapewnia oszacowanie maksymalnej prawdopodobnej straty w następnym okresie.
Dane długoterminowe są również wykorzystywane w badaniach zdarzeń, aby przeanalizować, jakie czynniki wpływają na nienormalne zwroty akcji w czasie lub jak ceny akcji reagują na fuzje i ogłoszenia o zyskach. Można go również wykorzystać do pomiaru ubóstwa i nierówności dochodów poprzez śledzenie poszczególnych gospodarstw domowych. A ponieważ ustandaryzowane wyniki testów w szkołach mają charakter podłużny, można je wykorzystać do oceny skuteczności nauczycieli i innych czynników wpływających na wyniki uczniów.
Socjolodzy również wykorzystują dane z obserwacji podłużnych, aby spróbować zrozumieć przyczynę wydarzeń, które mogły mieć miejsce w przeszłości, oraz sposób, w jaki prowadzą one do wyników obserwowanych w późniejszych falach danych. Na przykład skutki uchwalenia nowej ustawy o statystyce przestępczości lub klęski żywiołowej na urodzeń i zgonów po latach.