欢迎来到数据世界！

你好！欢迎来到商业经济学旅程中最基础的章节之一。在我们深入探讨复杂的公式和经济理论之前，必须先了解我们所处理的「原材料」：数据 (Data)。就像厨师在烹饪前必须先分清蔬菜和肉类一样，专业的商业人士也必须知道自己面对的是哪种类型的数据。

在本章中，我们将探讨组织信息的两种主要方式：横截面数据 (Cross-sectional data) 与 时间序列数据 (Time series data)。别担心这些听起来很深奥的技术术语，读完这些笔记后，你会发现它们其实就是我们日常生活中经常接触的简单概念！

1. 横截面数据：一份「快照」

想象一下，你在今天中午 12:00 正，为香港中环繁忙的街道拍了一张照片。在这张照片中，你可以看到许多不同的人、车辆和商店，它们都停留在同一个时刻。这正是横截面数据的写照。

定义： 横截面数据是指在单一时间点（或同一时期）对多个不同主体（如个人、公司或国家）进行的观测。

主要特征：

1. 多个主体： 你正在观察许多不同的「实体」（例如 50 家不同的公司）。
2. 相同时间： 数据是在同一个时刻、日期、月份或年份收集的。

现实生活例子：

例子 A： 2023 年 12 月 31 日所有恒生指数成份股公司的收市价。
例子 B： 一项关于 1,000 个香港家庭在 2024 年 1 月份每月开支的调查。
例子 C： 2022 年 20 个不同亚洲国家的 GDP。

简单类比：

想象一张班级合照。你会看到许多不同的学生（主体），但他们都是在同一个时间点被拍摄下来的。

快速回顾： 如果你看到一个清单，里面比较的是同一时间点下不同的事物，那就是横截面数据。

2. 时间序列数据：一部「影片」

现在，请不要想象照片，而是想象一个监控商店入口的录影带。你正在观察同一家商店数小时或数天，看看事情是如何变化的。这就是时间序列数据。

定义： 时间序列数据是指在多个连续时间点收集的单一主体观测结果。

主要特征：

1. 单一主体： 你正在追踪一个特定的实体（例如一家特定的公司或一个国家）。
2. 多个时间段： 数据以固定的间隔（每日、每月、每季或每年）记录。

现实生活例子：

例子 A： 1 月 1 日至 12 月 31 日期间，汇丰银行股票的每日收市价。
例子 B： 2010 年至 2023 年香港的年度失业率。
例子 C： 你过去两年每月的个人电费账单。

简单类比：

想象墙上的一张身高成长纪录表，父母每年都在上面标记孩子的身高。这是同一个孩子（主体），但你观察的是他在多年间的变化（时间）。

数学小贴士：

在时间序列数据中，我们常使用下标 \(t\) 来代表时间。例如，\(Y_t\) 可能代表在时间 \(t\) 的利润。
在横截面数据中，我们常使用下标 \(i\) 来代表个别主体。例如，\(Y_i\) 可能代表公司 \(i\) 的利润。

快速回顾： 如果你看到的是追踪某个单一对象在一段长时期的变化，那就是时间序列数据。

3. 两者比较：如何区分？

初学者很容易把这两者搞混，所以让我们用一个简单的记忆法来区分它们！

记忆法：「C」与「T」

Cross-sectional (横截面) = Comparing many subjects (比较多个主体)。
Time series (时间序列) = Tracking over time (随时间追踪)。

比较总结表

横截面数据 (Cross-Sectional Data)
- 重点： 主体之间的差异。
- 时间： 固定（快照）。
- 例子： 2023 年 10 间银行的利润比较。

时间序列数据 (Time Series Data)
- 重点： 随时间的变化。
- 时间： 变动（序列）。
- 例子： 一间银行从 2010 年至 2023 年的利润变化。

4. 面板数据 (Panel Data / Pooled Data) 简介

有时候，经济学家会将两者结合起来！这被称为面板数据（或纵向数据）。别因此感到压力，这不过是一种「集两者优点于一身」的方法。

定义： 面板数据追踪的是在多个时间段下的多个主体。

例子： 2015 年至 2023 年，50 间不同香港公司的年度利润。你既有多个主体（横截面），也有多年数据（时间序列）。

5. 常见错误避雷区

1. 对「年份」的困惑： 并非只要数据集提到「年份」就一定是时间序列。要观察背景：如果是许多国家在同一年的数据，那是横截面；如果是一个国家在许多年的数据，才是时间序列。

2. 忽略间隔： 为了使时间序列数据具备分析价值，时间间隔通常需要保持一致（例如每月或每年）。如果时间跨度是随机的，分析起来将会非常困难！

总结与重点提要

你知道吗？

经济学家通常利用时间序列数据来预测未来 (forecasting)，而利用横截面数据来了解社会中不同群体在特定时刻的行为模式。

重点总结框：
- 横截面数据： 多个主体，一个时间点。（「快照」）
- 时间序列数据： 一个主体，多个时间点。（「影片」）
- 面板数据： 多个主体，多个时间点。（「系列纪录」）

如果现在觉得这些概念还有些抽象，别担心！当你进入下一章关于回归分析 (Regression Analysis) 的学习时，你将确切地看到我们是如何利用这些数据来做出精明的商业决策。你做得很好，请继续保持！