歡迎來到數據的世界！

你好！歡迎來到商業經濟學旅程中最基礎的章節之一。在我們深入探討複雜的公式和經濟理論之前，必須先了解我們所處理的「原材料」：數據 (Data)。就像廚師在烹飪前必須先分清蔬菜和肉類一樣，專業的商業人士也必須知道自己面對的是哪種類型的數據。

在本章中，我們將探討組織資訊的兩種主要方式：橫截面數據 (Cross-sectional data) 與 時間序列數據 (Time series data)。別擔心這些聽起來很深奧的技術術語，讀完這些筆記後，你會發現它們其實就是我們日常生活中經常接觸的簡單概念！

1. 橫截面數據：一份「快照」

想像一下，你在今天中午 12:00 正，為香港中環繁忙的街道拍了一張照片。在這張照片中，你可以看到許多不同的人、車輛和商店，它們都停留在同一個時刻。這正是橫截面數據的寫照。

定義： 橫截面數據是指在單一時間點（或同一時期）對多個不同主體（如個人、公司或國家）進行的觀測。

主要特徵：

1. 多個主體： 你正在觀察許多不同的「實體」（例如 50 家不同的公司）。
2. 相同時間： 數據是在同一個時刻、日期、月份或年份收集的。

現實生活例子：

例子 A： 2023 年 12 月 31 日所有恒生指數成份股公司的收市價。
例子 B： 一項關於 1,000 個香港家庭在 2024 年 1 月份每月開支的調查。
例子 C： 2022 年 20 個不同亞洲國家的 GDP。

簡單類比：

想像一張班級合照。你會看到許多不同的學生（主體），但他們都是在同一個時間點被拍攝下來的。

快速回顧： 如果你看到一個清單，裡面比較的是同一時間點下不同的事物，那就是橫截面數據。

2. 時間序列數據：一部「影片」

現在，請不要想像照片，而是想像一個監控商店入口的錄影帶。你正在觀察同一家商店數小時或數天，看看事情是如何變化的。這就是時間序列數據。

定義： 時間序列數據是指在多個連續時間點收集的單一主體觀測結果。

主要特徵：

1. 單一主體： 你正在追蹤一個特定的實體（例如一家特定的公司或一個國家）。
2. 多個時間段： 數據以固定的間隔（每日、每月、每季或每年）記錄。

現實生活例子：

例子 A： 1 月 1 日至 12 月 31 日期間，匯豐銀行股票的每日收市價。
例子 B： 2010 年至 2023 年香港的年度失業率。
例子 C： 你過去兩年每月的個人電費帳單。

簡單類比：

想像牆上的一張身高成長紀錄表，父母每年都在上面標記孩子的身高。這是同一個孩子（主體），但你觀察的是他在多年間的變化（時間）。

數學小貼士：

在時間序列數據中，我們常使用下標 \(t\) 來代表時間。例如，\(Y_t\) 可能代表在時間 \(t\) 的利潤。
在橫截面數據中，我們常使用下標 \(i\) 來代表個別主體。例如，\(Y_i\) 可能代表公司 \(i\) 的利潤。

快速回顧： 如果你看到的是追蹤某個單一對象在一段長時期的變化，那就是時間序列數據。

3. 兩者比較：如何區分？

初學者很容易把這兩者搞混，所以讓我們用一個簡單的記憶法來區分它們！

記憶法：「C」與「T」

Cross-sectional (橫截面) = Comparing many subjects (比較多個主體)。
Time series (時間序列) = Tracking over time (隨時間追蹤)。

比較總結表

橫截面數據 (Cross-Sectional Data)
- 重點： 主體之間的差異。
- 時間： 固定（快照）。
- 例子： 2023 年 10 間銀行的利潤比較。

時間序列數據 (Time Series Data)
- 重點： 隨時間的變化。
- 時間： 變動（序列）。
- 例子： 一間銀行從 2010 年至 2023 年的利潤變化。

4. 面板數據 (Panel Data / Pooled Data) 簡介

有時候，經濟學家會將兩者結合起來！這被稱為面板數據（或縱向數據）。別因此感到壓力，這不過是一種「集兩者優點於一身」的方法。

定義： 面板數據追蹤的是在多個時間段下的多個主體。

例子： 2015 年至 2023 年，50 間不同香港公司的年度利潤。你既有多個主體（橫截面），也有多年數據（時間序列）。

5. 常見錯誤避雷區

1. 對「年份」的困惑： 並非只要資料集提到「年份」就一定是時間序列。要觀察背景：如果是許多國家在同一年的數據，那是橫截面；如果是一個國家在許多年的數據，才是時間序列。

2. 忽略間隔： 為了使時間序列數據具備分析價值，時間間隔通常需要保持一致（例如每月或每年）。如果時間跨度是隨機的，分析起來將會非常困難！

總結與重點提要

你知道嗎？

經濟學家通常利用時間序列數據來預測未來 (forecasting)，而利用橫截面數據來了解社會中不同群體在特定時刻的行為模式。

重點總結框：
- 橫截面數據： 多個主體，一個時間點。（「快照」）
- 時間序列數據： 一個主體，多個時間點。（「影片」）
- 面板數據： 多個主體，多個時間點。（「系列紀錄」）

如果現在覺得這些概念還有些抽象，別擔心！當你進入下一章關於迴歸分析 (Regression Analysis) 的學習時，你將會確切地看到我們是如何利用這些數據來做出精明的商業決策。你做得很好，請繼續保持！