Tværsnitsdataanalyse

Hvad er tværsnitsdataanalyse?

Tværsnitsdataanalyse er, når du analyserer et datasæt på et fast tidspunkt. Undersøgelser og offentlige registre er nogle almindelige kilder til tværsnitsdata. Datasættene registrerer observationer af flere variabler på et bestemt tidspunkt. FinansanalytikereFinansanalytikerrollen kan f.eks. ønske at sammenligne to virksomheders finansielle stilling på et bestemt tidspunkt. For at gøre dette vil de sammenligne de to virksomheders balancerBalanceBalancenBalancen er et af de tre grundlæggende regnskaber. Disse opgørelser er centrale for både finansiel modellering og regnskab. Nedenfor ses Amazons og Apples konsoliderede balancer ved årets udgang. En analytiker kan bruge dette til at se på deres finansielle stilling i 2018. Den lille forskel i regnskabsperiodens slutdatoer kunne dog gøre det nødvendigt at foretage et par justeringer.

CFI’s Advanced Financial Modeling & Valuation Course indeholder et omfattende casestudie om Amazon.

Eksempler på tværsnitsdatasæt omfatter:

• Bruttonationalprodukt (BNP)Bruttonationalprodukt (BNP)Bruttonationalproduktet (BNP)Bruttonationalproduktet (BNP) er et standardmål for et lands økonomiske sundhed og en indikator for dets levestandard. BNP kan også bruges til at sammenligne produktivitetsniveauet mellem forskellige lande. af nordamerikanske lande i 2012 – Den økonomiske analyseenhed er et land fra Nordamerika. Den økonomiske analyseenhed er for perioden 2012. En typisk post fra datasættet ville være (Amerikas Forenede Stater, 16,16 billioner dollars).
• BNP pr. indbygger i europæiske lande i 2010 – Den økonomiske analyseenhed er et land fra Europa. Den økonomiske analyseenhed er for tidsperioden 2010. En typisk post fra datasættet ville være (Tyskland, 41 700 USD).
• Total stål eksporteret af asiatiske lande i 2015 – Den økonomiske enhed i analysen er et land fra Asien. Den økonomiske analyseenhed er for tidsperioden 2015. En typisk post fra datasættet ville være (Indien, 3,17 mia. USD).
• Totalt antal appelsiner spist af husholdninger i Ghana i 2018 – Den økonomiske analyseenhed er en husholdning i Ghana. Den økonomiske analyseenhed er for tidsperioden 2018. En typisk post fra datasættet ville være (Husstand 302, 200 appelsiner).

Anvendelser af tværsnitsdata

Tværsnitsdatasæt anvendes i vid udstrækning inden for økonomi og andre samfundsvidenskaber. Anvendt mikroøkonomi bruger tværsnitsdatasæt til at analysere arbejdsmarkederArbejdsmarkedetArbejdsmarkedet er det sted, hvor udbuddet og efterspørgslen efter arbejdspladser mødes, hvor arbejdstagerne eller arbejdskraften leverer de tjenester, som arbejdsgiverne, offentlig finansiering, industriel organisationsteori og sundhedsøkonomi. Politologer bruger tværsnitsdata til at analysere demografi og valgkampagner. Finansanalytikere vil typisk sammenligne årsregnskaberneTre årsregnskaberDe tre årsregnskaber er resultatopgørelsen, balancen og pengestrømsopgørelsen. Disse tre centrale opgørelser vedrører to virksomheder, og en tværsnitsanalyse vil være at sammenligne opgørelserne for to virksomheder på samme tidspunkt. Sammenlign dette med tidsseriedataanalyseTidsseriedataanalyseTidsseriedataanalyse er analysen af datasæt, der ændrer sig over en periode. I tidsseriedatasæt registreres observationer af den samme variabel på forskellige tidspunkter. Finansanalytikere bruger tidsseriedata som f.eks. aktiekursbevægelser eller en virksomheds salg over tid, hvor de sammenligner regnskaberne for den samme virksomhed over flere tidsperioder.

Kilder til tværsnitsdata

• Bureau of Labor Statistics
• Tællingsdata
• Befolkningsundersøgelser
• Federal ReserveFederal Reserve (The Fed)The Federal Reserve er centralbanken i USA og er den finansielle myndighed bag verdens største frie markedsøkonomi.
• Panel Study of Income Dynamics
• US Bureau of Economic Analysis
• CompuStat
• Bank for International Settlements (BIS)Bank for International Settlements (BIS)Bank for International Settlements (BIS)Bank for International Settlements (BIS) startede i 1930 og er ejet af centralbankerne i forskellige lande. Den fungerer som en bank for medlemscentralbankerne, og dens rolle er at fremme international monetær, finansiel stabilitet og finansiel virksomhed. Bank for International Settlements er baseret i

Random Sampling

Random sampling framework er en statistisk ramme, der er meget anvendt i dataanalyse. Den tilfældige stikprøvemetode fungerer ud fra den antagelse, at der er en tæt forbindelse mellem populationen og en stikprøve, der er udtaget fra denne population.

Tænk på eksemplet med de ghanesiske husstandes forbrug af appelsiner, som er beskrevet ovenfor. Det ville kræve mange ressourcer (både tid og penge) at måle det faktiske forbrug af appelsiner i alle husstande i Ghana. Det ville være meget billigere kun at måle forbruget af appelsiner hos 1 000 husstande i Ghana. I et sådant tilfælde består populationen af alle husstande i Ghana, og stikprøven består af de 1 000 husstande, hvis data om appelsinforbrug er kendt.

Økonometrisk analyse af tværsnitsdatasæt forudsætter normalt, at dataene er genereret uafhængigt af hinanden, og at observationerne er gensidigt uafhængige. En sådan antagelse om uafhængigt genererede data bliver overtrådt, når den økonomiske analyseenhed er stor i forhold til befolkningen.

Sæt, at vi ønsker at analysere BNP for alle lande i Nordamerika. Vores population består i dette tilfælde af 23 lande. Enhver stikprøve, som vi konstruerer ud fra populationen, kan umuligt understøtte konstruktionen af en indbyrdes uafhængig tilfældig stikprøve. Det er f.eks. yderst sandsynligt, at USA’s BNP er korreleret med Canadas BNP.

Randomsstikprøve i tværsnitsdataanalyse

Vurder et tværsnitsdatasæt, der måler K karakteristika for N forskellige økonomiske enheder på tidspunkt t. En individuel observation i tværsnitsdatasættet er af formen:

Hvor:

• Un er den niende økonomiske analyseenhed
• X1n er den i-te egenskab for den niende økonomiske enhed
• t er tidspunktet

Tværsnitsdatasættet blev oprettet ved hjælp af en tilfældig stikprøve udtrukket fra populationen (F, X, t), hvor F er den fælles fordeling af alle (U,X) i populationen på tidspunktet t.

Udviduelle ressourcer

CFI tilbyder Financial Modeling & Valuation Analyst (FMVA)™FMVA® CertificationJoin 850,000+ studerende, der arbejder for virksomheder som Amazon, J.P. Morgan og Ferrari certificeringsprogram for dem, der ønsker at tage deres karriere til det næste niveau. For at blive ved med at lære og fremme din karriere vil følgende CFI aresources være nyttige:

• Basic Statistics Concepts in FinanceBasic Statistics Concepts for FinanceEn solid forståelse af statistik er afgørende vigtig for at hjælpe os med at forstå finans bedre. Desuden kan statistiske begreber hjælpe investorer med at overvåge
• Cluster SamplingCluster SamplingI statistikken er cluster sampling en prøveudtagningsmetode, hvor hele populationen i undersøgelsen opdeles i eksternt homogene, men internt
• Sample Selection BiasSample Selection BiasSample Selection BiasSample Selection Bias er den bias, der skyldes, at man ikke sikrer en korrekt randomisering af en populationsstikprøve. Fejlene ved stikprøveudvælgelsen
• SensitivitetsanalyseHvad er følsomhedsanalyse?Følsomhedsanalyse er et værktøj, der anvendes i finansiel modellering til at analysere, hvordan de forskellige værdier for et sæt uafhængige variabler påvirker en afhængig variabel