Data Membujur

Apakah Data Membujur?

Data membujur, kadangkala dipanggil data panel, ialah data yang dikumpul melalui satu siri pemerhatian berulang bagi subjek yang sama dalam beberapa jangka masa lanjutan—dan berguna untuk mengukur perubahan. Data membujur secara berkesan mengikuti sampel yang sama dari semasa ke semasa, yang berbeza secara asas daripada data keratan rentas kerana ia mengikuti subjek yang sama dalam beberapa waktu, manakala data keratan rentas sampel subjek yang berbeza (sama ada individu, firma, negara atau wilayah) pada setiap titik dalam masa. Sementara itu, set data keratan rentas akan sentiasa melukis sampel rawak baharu.

Data longitudinal digunakan secara meluas dalam sains sosial, termasuk dalam kalangan ahli ekonomi, saintis politik dan ahli sosiologi.

Memahami Data Longitudinal

Selalunya, penganalisis berminat tentang bagaimana keadaan berubah dari semasa ke semasa. Dalam sampel keratan rentas biasa, walaupun anda mengukur beberapa pembolehubah hari ini dan sekali lagi setahun dari sekarang, anda mungkin akan mengambil sampel orang yang berbeza setiap kali. Untuk mendapatkan pengendalian yang lebih baik tentang cara perkara berubah untuk orang yang sama dari semasa ke semasa, anda perlu dapat menjejaki mereka dan membuat susulan dengan mereka setahun dari sekarang dan dalam gelombang masa hadapan. Ini adalah data membujur.

Data longitudinal sering digunakan dalam kajian ekonomi dan kewangan kerana ia mempunyai beberapa kelebihan berbanding data keratan rentas berulang. Contohnya, kerana data membujur mengukur tempoh peristiwa berlangsung, ia boleh digunakan untuk melihat sama ada kumpulan individu yang sama kekal menganggur semasa kemelesetan ekonomi atau sama ada individu yang berbeza keluar masuk daripada pengangguran. Ini boleh membantu menentukan faktor yang paling mempengaruhi pengangguran.

Aplikasi Data Membujur

Analisis membujur juga boleh digunakan untuk mengira nilai risiko (VaR) portfolio, menggunakan kaedah simulasi bersejarah. Ini mensimulasikan bagaimana nilai portfolio semasa akan berubah-ubah sepanjang tempoh masa sebelumnya, menggunakan turun naik sejarah yang diperhatikan bagi aset dalam portfolio pada masa tersebut. Ia memberikan anggaran kemungkinan kerugian maksimum dalam tempoh masa seterusnya.

Data membujur juga digunakan dalam kajian peristiwa untuk menganalisis faktor yang mendorong pulangan saham yang tidak normal dari semasa ke semasa, atau cara harga saham bertindak balas terhadap pengumuman penggabungan dan pendapatan. Ia juga boleh digunakan untuk mengukur kemiskinan dan ketidaksamaan pendapatan dengan menjejaki isi rumah individu. Dan kerana markah ujian piawai di sekolah adalah membujur, ia boleh digunakan untuk menilai keberkesanan guru dan faktor lain yang mempengaruhi prestasi pelajar.

Saintis sosial juga menggunakan data membujur untuk cuba memahami sebab kejadian yang mungkin berlaku pada masa lalu dan bagaimana ia membawa kepada hasil yang diperhatikan dalam gelombang data kemudian. Sebagai contoh, kesan petikan undang-undang baharu terhadap statistik jenayah, atau bencana alam terhadap kelahiran dan kematian beberapa tahun kemudian.

Sorotan

Data longitudinal ialah data yang dikumpul secara berurutan daripada responden yang sama dari semasa ke semasa.
Jenis data ini boleh menjadi sangat penting dalam menjejak trend dan perubahan dari semasa ke semasa dengan bertanya soalan responden yang sama dalam beberapa gelombang yang dijalankan mengikut masa.
Data membujur digunakan dalam kewangan untuk menjejaki keuntungan syarikat, risiko dan untuk memahami kesan kejutan ekonomi.