横截面数据分析方法

‘壹’ 什么是截面分析方法

横向分析法（Cross-Section Analysis），
也称横断面分析、截面分析
是对同一时期数据资料进行横剖研究，探讨社会经济现象和自然状况在特定时期相关程度、关系与变化的方法。
其特点是在横向联系基础上，撇开各种事物，现象和过程的具体特征，以抽象方式探讨对象目标变化的趋势与规律。它借助各种系统、运筹、博弈、决策和数学手段，研究目标对象的横向关系和经济社会效果。随着现代知识领域的发展，它渐渐同散见于各学科中的新理论，新知识综合形成新的分析媒体，从而出现了理论控制方法、稳定机制方法和随机过程方法等。
横向分析法在经济管理中有越来越广阔的前景，现成为国内外社会科学研究的主要手段。
横向分析法的内容
横向分析是一完整系列，它包含单变项，双变项和多变项分析等几种，后者尤占重要地位。多变项分析按目的可分三类：
1、详细分析。旨在分析两个变项(X与Y)之间的关系，并引入其他变项，深入剖析这两个变项的相关性质。
2、多因素分析。其目的是分析多个自变项(量)(X1,X2,X3等)对某个依变项(量)Y的共同影响与相对效应。
3、多项相互关系分析。其意在于求简化众多变项(X1,X2,X3,X4等)之间的相互关系。
它们通过对资料对象的不同层次，方面的横剖分析，解释相互间的关系，为决策奠定基础。
横向分析法的阶段
应用此法的过程可分为三个阶段：
1、筹划阶段。如确定目标对象，收集对象的数据资料，抽取相关样本，为横剖分析作前期工作。
2、执行阶段。如具体测算对象指标，揭示经济现象和事物间的联系作用及关系，以统计图表和数学方程计算变项的目标值和相对效应。
3、总结经验阶段。将测算数据和统计指标代入各方程或图表，验证运算值的准确程度，为制定正确决策提供依据。
横向分析法在财务分析的应用
横向分析法在财务指标计算的基础上，从空间、行业的角度对指标进行互相对比的分析方法。比如A公司本年度各项财务指标都超额完成了计划数，同时与上期和历史最好时期的财务指标对比，也是令人满意的。但与B公司的财务指标相比，则差距较大(假定两个公司的生产条件相同)。因而，一般讲，B公司较A公司的经营状况更好。所以，股票购买者应择购B公司的股票。
例如：A公司净资产收益率为0.35%，营业利润率为0.74%，每股收益为0.009(元)。而假设B公司净资产收益率为10%，营业利润率为12%，每股收益为0.57(元)。比较之后，就自然会选择B公司的股票。

‘贰’ 什么是横断面分析法

横断面分析法又叫横断面调查，横断面调查(又称现患率调查)，是利用普查或抽样调查的方法，收集某一时点或一个特定的时间内，有关实际处于医院感染状态的病例资料，描述医院感染及影响因素的关系。

横断面调查是医院感染监测的重要手段，通过开展调查可了解医院感染实际发生情况，同时对抗菌药物应用及病原学送检资料进行监测，可以在短时间内检验常规调查资料的准确性，针对总体趋势评价医院感染管理效果。

描述疾病或健康状况的三间分布情况通过对某一地区或人群的调查，获得某种疾病在时间、地区和人群中的分布，从而发现高危人群或发现有关的病因线索，为疾病的防治提供依据。

(2)横截面数据分析方法扩展阅读：

调查质量控制方法

1、坚持随机化原则，严格按照抽样设计方案进行研究对象的选取。及时分析无应答的原因，补漏调查，提高受检率。

2、选用精良的仪器设备并事先做好校准，保证测试结果的准确与可靠。

3、严格培训调查员，并对其进行监督和质量控制，统一调查程序和方法。

‘叁’ 适用于截面数据的统计方法有哪些

1、计量资料的统计方法

分析计量资料的统计分析方法可分为参数检验法和非参数检验法。

参数检验法主要为t检验和方差分析(ANOVA，即F检验)等，两组间均数比较时常用t检验和u检验，两组以上均数比较时常用方差分析；非参数检验法主要包括秩和检验等。

2、计数资料的统计方法

计数资料的统计方法主要针对四格表和R×C表利用检验进行分析。

3、等级资料的统计方法

等级资料(有序变量)是对性质和类别的等级进行分组，再清点每组观察单位个数所得到的资料。在临床医学资料中，常遇到一些定性指标，如临床疗效的评价、疾病的临床分期、病症严重程度的临床分级等，对这些指标常采用分成若干个等级然后分类计数的办法来解决它的量化问题，这样的资料统计上称为等级资料。

(3)横截面数据分析方法扩展阅读

主要的检验异方差性的方法有：图示检验法、等级相关系数检验法、戈里瑟检验(Glejser Test)、巴特列特检验、布鲁奇-培根检验(The Breusch-Pagan Test)、戈德菲尔德-匡特检验(The Goldfeld-Quandt Test)、沃特检验(Wald Test)、拉格朗日乘数检验、似然比检验、怀特大样本检验等。

这些检验方法在性能上各有优劣，互为补充，在具体操作时宜结合使用，相互验证，不应单凭个别检验结论做出歧视性或排他性的断言。

‘肆’ 什么是横截面数据分析举个例子啊~谢谢

一种观察性研究，其分析从特定群体或代表性子集收集的数据时间点，即横截面数据。横截面数据，计量经济学专用名词。横截面数据是在同一时间，不同统计单位相同统计指标组成的数据列。

在经济学中，横断面研究通常涉及使用横截面回归，以便在给定时间点上对一个或多个独立变量对感兴趣的因变量的因果效应的存在和大小进行排序。它们不同于时间序列分析，其中一个或多个经济总量的行为通过时间跟踪。

(4)横截面数据分析方法扩展阅读

横截面数据按照统计单位排列的。因此，横截面数据不要求统计对象及其范围相同，但要求统计的时间相同。也就是说必须是同一时间截面上的数据。与时间数据完全一样，横截面数据的统计口径和计算方法（包括价值量的计算方法）也应当是可比的。

例如，为了研究某一行业各个企业的产出与投入的关系，我们需要关于同一时间截面上各个企业的产出Q和劳动L、资本投入K的横截面数据。这些数据的统计对象显然是不同的，因为是不同企业的数据。

但是关于产出Q和投入L、K的解释、统计口径和计算方法仍然要求相同，即本企业的Q、L、K在统计上要求可比。

‘伍’ 横截面数据的横截面数据分析的要点

在分析横截面数据时，应主要注意两个问题：
一是异方差问题，由于数据是在某一时期对个体或地域的样本的采集，不同个体或地域本身就存在差异；
二是数据的一致性，主要包括变量的样本容量是否一致、样本的取样时期是否一致、数据的统计标准是否一致。
异方差性的检验
对异方差的检验大多集中于线性模型情形，检验方法很多。主要的检验异方差性的方法有：图示检验法、等级相关系数检验法、戈里瑟检验(Glejser Test)、巴特列特检验、布鲁奇-培根检验(The Breusch-Pagan Test)、戈德菲尔德-匡特检验(The Goldfeld-Quandt Test)、沃特检验(Wald Test)、拉格朗日乘数检验、似然比检验、怀特大样本检验等。这些检验方法在性能上各有优劣，互为补充，在具体操作时宜结合使用，相互验证，不应单凭个别检验结论做出歧视性或排他性的断言。

‘陆’ 面板数据分析方法总结

面板数据分析方法总结

横截面的异方差与序列的自相关性是运用面板数据模型时可能遇到的最为常见的问题,此时运用OLS可能会产生结果失真,因此为了消除影响,对我国东、中、西部地区的分析将采用不相关回归方法( SeeminglyUnrelated Regression, SUR)来估计方程。而对于全国范围内的估计来说,由于横截面个数大于时序个数,所以采用截面加权估计法(Cross SectionWeights, CSW) 。
一般而言，面板数据可用固定效应(fixed effect) 和随机效应(random effect) 估计方法,即如果选择固定效应模型,则利用虚拟变量最小二乘法(LSDV) 进行估计;如果选择随机效应模型,则利用可行的广义最小二乘法(FGLS) 进行估计(Greene ,2000) 。它可以极大限度地利用面板数据的优点,尽量减少估计误差。至于究竟是采用固定效应还是随机效应,则要看Hausman 检验的结果。
单位根检验：在进行时间序列的分析时,研究者为了避免伪回归问题,会通过单位根检验对数据平稳性进行判断。但对于面板数据则较少关注。随着面板数据在经济领域应用,对面板数据单位根的检验也逐渐引起重视。面板数据单位根的检验主要有Levin、Lin 和Chu 方法(LLC 检验) (1992 ,1993 ,2002) 、Im、Pesaran 和Shin 方法( IPS 检验) (1995 ,1997) 、Maddala 和Wu 方法(MW检验) (1999) 等。
协整检验：协整检验是考察变量间长期均衡关系的方法。在进行了各变量的单位根检验后,如果各变量间都是同阶单整，那么就可以进行协整检验了。面板协整检验理论目前还不成熟,仍然在不断的发展过程中,目前的方法主要有:(1)Kao(1999)、Kao and Chiang(2000)利用推广的DF和ADF检验提出了检验面板协整的方法,这种方法零假设是没有协整关系,并且利用静态面板回归的残差来构建统计量。(2)Pedron(i1999)在零假设是在动态多元面板回归中没有协整关系的条件下给出了七种基于残差的面板协整检验方法。和Kao的方法不同的是,Pedroni的检验方法允许异质面板的存在。(3)Larsson et a(l2001)发展了基于Johansen(1995)向量自回归的似然检验的面板协整检验方法。这种检验的方法是检验变量存在共同的协整的秩。
一般的顺序是：先检验变量的平稳性,当变量均为同阶单整变量时,再采用协整检验以判别变量间是否存在长期均衡关系。如果变量间存在长期均衡的关系,我们可以通过误差修正模型(ECM) 来检验变量间的长期因果关系;如变量间不存在协整关系,我们将对变量进行差分,然后通过向量自回归模型(VAR),检验变量间的短期因果关系。