纵向与横断面研究
在数据收集世界中，有两种从受访者收集信息的主要方法：纵向研究和横截面研究。
两者都有各自的位置，但横断面研究是最常用的调查软件。
这是可以理解的，因为纵向分析需要仔细规划，执行相当大的努力，并且成功的一致后续行动，而横断面研究可以迅速地进行并完成。
纵向研究的好处
横截面调查在单点及时比较人口样本。他们可以捕捉很多细节，但他们并没有以许多原因和效果数据提供更多。
另一方面，纵向研究涉及定期对同一组受访者进行民意调查，使你能够更有效地研究一段时间内的变化并确定因果关系。
1.了解受访者的变化
首先，他们提供了学习个人受访者级别的改变的机会。
当您反复调查同样的人时，您可以随着时间的推移跟踪他们的回复中的波动，这在一个从未复制的一个时间横断面调查中是不可能的。与人口统计数据相结合，这些强烈的变化可以随着时间的推移提供良好的行为开发的洞察力。
例如，在一项关于猫睡眠的纵向研究中，我们可能会看到一只黑猫，在两次调查之间，它的平均每天睡眠时间从20小时下降到12小时。
深入研究这些数据，我们可以确定，自上次调查以来，她的年龄、体重、位置和饮食习惯保持不变，但一只新的小猫被引入了她的家。
如果我们只执行了对同样猫的单一横断面调查，我们就不会有机会跟踪她的睡眠是如何受到新抵达的影响。
2.洞察因果关系
上面的例子还说明了纵向研究的另一个好处：原因和效果关系变得明显。
通过监测这只猫的睡眠习惯和长期的家庭生活，我们能够消除那些保持一致的因素，并发现她糟糕睡眠生活的真正原因。
在纵向调查的过程中，我们几乎肯定会遇到其他猫咪，它们的主人竟然胆敢带另一只宠物回家，然后我们可以进一步调查新宠物与猫咪睡眠质量之间的因果关系。
显然，这些选项都不存在单独的横断面调查。
3.队列效应
第三，纵向研究对所谓的“群组效应”的纵向研究，这一现象通常会显着歪斜横截面研究的结果。
队列效应是他们生活经历的各种群体之间的差异，而不是在调查中被履行的因素。
因此，一项在一年内进行的横断面研究可能会对30岁和60岁的受访者进行调查，但他们的答案不仅会受到年龄的影响，还会受到他们出生时代的影响，因此很难确定他们的年龄是否真的是决定因素。
纵向调查调查了30岁的孩子，然后在60岁时再次重新调查它们，以确保没有队列效应影响结果。
4.减少样品大小
最后，纵向分析需要小得多的样本量才能获得具有统计意义的结果，因为在调查的整个生命周期内，您能够获得更大量的数据1..
在从相对较小的人口中选择受访者时，这对研究人员来说，这可能是一个很大的帮助，就像过去6个月中拥有一只新小猫的猫一样。
纵向调查的挑战
尽管进行纵向调查有许多好处，但也并非没有陷阱。
参与者的利用
最常见的挑战之一是参与者的消亡。随着时间的推移，参与者可能会退出研究或未能响应一个或多个轮次调查，这两轮都会偏离结果。
他们还可能无法在一轮或多轮调查中回答特定问题，这也会影响数据的相关性。仔细的受访者跟踪可以消除其中一些问题，但在纵向研究的整个生命周期中，永远不会有100%的参与。
我们将在“让纵向分析为您服务”一节中更详细地讨论如何最好地应对这些统计挑战。
复杂方法
此外，纯粹的数据量以及随着时间的推移的波动，需要对准确分析和解释进行完全复杂的方法。
虽然纵向分析的主要好处之一是能够看到因果关系，但这也是一个挑战。数据中的这些依赖性要求统计的复杂性，但这一点尚未完全实现。
预算限制
正如纵向调查中的数据的统计意义上一样，在第一处获得它可能就像困难一样。
跟踪参与者、管理调查和反复输入数据变得昂贵；这一障碍往往足以让研究人员望而却步。
设置时间
最后，在纵向调查的设置过程中需要大心谨慎。
虽然您将在很长一段时间内管理同一项调查，但在首次发布之前，它需要包含所有相关问题。随着研究的进行，你不能做出调整，否则这些反应将不再具有统计意义。
同样，您也不能随时间调整参与者池。深思熟虑的调查设计和参与者选择对于成功的纵向分析至关重要。
为您制定纵向分析
我们已经回顾了纵向分析带来的一些好处和挑战。下面介绍如何使这种强大的调查类型适合您。
- 确保您有时间和资源投资于调查的长期成功。
随着时间的推移，通过移动和联系信息中的其他更改与您的参与者池保持联系的能力将有助于确保最低程度的人员流失，但这需要人员。工作人员也必须随着时间的推移准确地管理调查，理想情况下，同样的人员将管理每一轮调查以避免任何错误。
除了员工外，您需要确定您是否有计算能力来分析您要收集的数据，否则您将坐在大量信息上，没有能力得出结论。
- 确定如何处理缺失数据
参与者的消耗和缺失数据在纵向调查中是巨大的挑战。Donald Hedeker和Robert D. Gibbons在他们的书中提供了两个解决方案纵向数据分析：随身分析：使用这种方法，您的分析仅限于完成完整研究的受访者。虽然实现起来相当简单，但此解决方案可能会产生与统计数据不相关的数据。
结转的最后观察值（LOCF）：此解决方案包括为所有后续测量场合输入最后可用的测量值。这是一项劳动密集型的工作，因为它需要手工输入测量数据，但最终的分析结果更为可靠。
- 用最大的小心设计你的调查
你到底希望从这次调查中学到什么？你希望得出什么次要结论？您是否需要跟踪因果关系？哪些人口统计数据是相关的？
仔细选择问题类型和问题内容将确保你不会在调查的三轮中发现你没有得到你需要的答案。
在同事或测试小组身上测试这项调查可能是一个很好的调整问题的方法。这种类型的初步审查也有助于避免在问题中引入偏见。
记住，一旦开始纵向调查，就不允许进行任何调整。
无论是肥胖对睡眠模式的长期影响，还是其他与其他猫相关的调查，纵向分析都可以在采取措施避免其潜在的陷阱时提供独特的令人信服的见解。
资源：
1.Hedeker、Donald和Robert D.Gibbons；纵向数据分析；2006; 约翰·威利父子公司