Học thuật
Liên ngành ( cross sectional ) Khái niệm có tương quan đến số liệu hay hiệu quả quan sát mẫu được tích lũy tại một thời gian ( ở nhiều ngành, khu vực, địa phương khác nhau ) .
Liên ngành (cross sectional) là khái niệm có liên quan đến số liệu hay kết quả quan sát mẫu được thu thập tại một thời điểm (ở nhiều ngành, địa điểm, địa phương khác nhau ). Ví dụ, chúng ta thu thập số liệu về quy mô công ty và tiền lương của giám đốc ở nhiều nơi khác nhau (gọi là số liệu liên ngành, số liệu không gian. Kết quả cho thấy có nhiều quy mô doanh nghiệp khác nhau và nhiều mức lương khác nhau trả cho giám đốc của họ. Hai dãy số liệu liên ngành này có thể dùng để nghiên cứu mối liên hệ giữa tiền lương giám đốc và quy mô doanh nghiệp.
(Tài liệu tham khảo: Nguyễn Văn Ngọc, Từ điển Kinh tế học, Đại học Kinh tế Quốc dân)
Bạn đang đọc: Liên ngành là gì? Dữ liệu chéo là gì?
Cross-sectional data (được dịch theo nghĩa đen là “dữ liệu cắt ngang” hay “dữ liệu chéo”) là dữ liệu mà các nhà nghiên cứu chọn một quần thể một cách ngẫu nhiên nhưng tiêu biểu cho một cộng đồng, tại một thời điểm nào đó. Nói cách khác, nhà nghiên cứu thu thập dữ liệu chỉ một lần duy nhất của các đối tượng ngay tại thời điểm đó (hiện tại).
Xem thêm: Downtown Là Gì? Uptown Là Gì? Phân Biệt Downtown Và Uptown Nguồn Gốc Và Ý Nghĩa Của Từ Downtown
Dữ liệu chéo (cross sectional data) của nghiên cứu tổng thể, thống kê và kinh tế lượng là một loại dữ liệu được thu thập bằng cách quan sát nhiều đối tượng (chẳng hạn như cá nhân, công ty, quốc gia hoặc vùng) tại cùng một thời điểm, hoặc không quan tâm sự khác biệt về thời gian. Phân tích dữ liệu chéo thường bao gồm so sánh sự khác biệt giữa các đối tượng.
Ví dụ, nếu tất cả chúng ta muốn thống kê giám sát mức độ béo phì hiện tại trong một toàn diện và tổng thể, tất cả chúng ta hoàn toàn có thể rút ra một mẫu ngẫu nhiên 1.000 người từ tổng thể và toàn diện đó, đo khối lượng và chiều cao của họ, đo lường và thống kê số Xác Suất của mẫu đó được phân loại là béo phì. Dữ liệu chéo này cung ứng cho tất cả chúng ta một cái nhìn nhanh về tổng thể và toàn diện tại thời gian đó. Lưu ý rằng tất cả chúng ta không biết tỷ suất béo phì đang tăng hoặc giảm dựa trên một mẫu chéo ; tất cả chúng ta chỉ hoàn toàn có thể diễn đạt tỷ suất hiện tại .
