Contoh Persamaan Data Cross-Section dan Time series

Cross Section :
Data Pendapatan dan Pengeluaran dari 6 Perusahaan pada tahun 2000 (dalam
milyar)
Perusaha
an

Pengeluara
n

Pendapata
n

22

35

15

21

56

99

12

27

27

46

36

66

Hasil Estimasi

Hasil Persamaan
Estimation Equaction : Y = C(1) + C(2) X1
Substitusi Coefficients : Y = 1.108634 + 0.548803

Time Series :
Data Pengeluaran Konsumsi dan Pendapatan Amerika Serikat (dalam milyar U$
$)
Tahun

Pengeluara
n

Pendapata
n

1990

4132

6136

1991

4105

6079

1992

4219

6244

1993

4343

6389

1994

4486

6610

1995

4595

6472

1996

4714

6928

Hasil Estimasi

Hasil Persamaan
Estimation Equaction : Y = C(1) + C(2) X1
Substitusi Coefficients : Y = -439.5845 + 0.750615

 Contoh Perbedaan Data Regresi Time series dan Cross-Section

Regresi Time Series

Pengertian Data Cross Section dan Perbedaannya dengan Data Time Series
Cross-sectional data atau cross section (dari sebuah populasi penelitian ) dalam statistik dan
ekonometri adalah jenis satu dimensi kumpulan data . Cross-sectional data mengacu pada
data yang dikumpulkan dengan mengamati banyak hal (seperti perorangan, perusahaan atau
negara / wilayah) pada titik yang sama waktu, atau tanpa memperhatikan perbedaan waktu.
Analisis data cross-sectional biasanya terdiri dari membandingkan perbedaan antara subyek.
Sebagai contoh, kita ingin mengukur tingkat obesitas saat ini dalam suatu populasi. Kita bisa
mengambil sampel dari 1.000 orang secara acak dari populasi (juga dikenal sebagai
penampang populasi itu), mengukur berat badan dan tinggi, dan menghitung berapa persen
dari sampel yang dikategorikan sebagai obesitas. Misalnya, 30% dari sampel kami
dikategorikan sebagai obesitas. Sampel cross-sectional memberikan kita gambaran
penduduk yang, pada titik satu waktu. Perhatikan bahwa kita tidak tahu didasarkan pada satu
sampel cross-sectional jika obesitas meningkat atau menurun, kita hanya dapat menjelaskan
proporsi saat ini.
Data Cross Section berbeda dari time series data juga dikenal sebagai data longitudinal ,
yang mengikuti subjek berubah satu selama waktu. varian lain, data panel (atau time-series
cross-sectional (TSC) data), menggabungkan keduanya dan melihat beberapa mata pelajaran
dan bagaimana mereka berubah selama perjalanan waktu. Analisis Panel menggunakan data
panel untuk memeriksa perubahan variabel dari waktu ke waktu dan perbedaan dalam
variabel antara subjek.
Dalam penampang bergulir-, baik keberadaan individu dalam sampel dan waktu di mana
individu termasuk dalam sampel ditentukan secara acak. Misalnya, sebuah jajak pendapat
politik dapat memutuskan untuk mewawancarai 100.000 individu. Hal pertama memilih
orang-orang ini secara acak dari seluruh penduduk. Kemudian menetapkan tanggal acak
untuk setiap individu. Ini adalah tanggal acak di mana individu yang akan diwawancarai, dan
dengan demikian termasuk dalam survei.