Dữ liệu thứ cấp: nó được thu cho câu hỏi khác, và điều đó định hình mọi thứ bạn làm được

Bộ dữ liệu thứ cấp tốt nhất bạn tìm được vẫn được thiết kế để trả lời câu hỏi của người khác.

Mọi biến bạn cần mà họ không cần thì sẽ không có; mọi định nghĩa họ dùng sẽ là định nghĩa bạn phải chấp nhận.

Đánh giá trước khi cam kết

• Biến bạn cần có trong đó không, đo theo cách nào.
• Định nghĩa của họ có khớp với khái niệm của bạn không.
• Mẫu của họ có bao gồm nhóm bạn quan tâm không.
• Giá trị thiếu được mã thế nào và bao nhiêu.
• Có tài liệu mô tả đầy đủ không — không có thì gần như không dùng được.

Vấn đề của định nghĩa

• Cùng một tên biến có thể đo hai thứ khác nhau ở hai năm khác nhau.
• Kiểm định nghĩa từng năm trước khi gộp chuỗi.
• Đây là lỗi phổ biến nhất trong phân tích dữ liệu thứ cấp và rất khó phát hiện sau.

Cái bạn không kiểm soát được

• Chất lượng khâu thu thập.
• Cách xử lý dữ liệu trước khi công bố.
• Ai bị loại khỏi mẫu và vì sao.
• Nêu rõ những giới hạn này thay vì im lặng về chúng.

Ưu điểm thật

• Cỡ mẫu thường lớn hơn nhiều so với thu thập mới.
• Chuỗi thời gian dài mà không ai đủ nguồn lực tạo lại.
• Có thể trả lời câu hỏi mà người thu thập chưa từng hỏi.
• Chi phí thấp cho phép làm nghiên cứu thăm dò trước khi xin kinh phí lớn.

Nghĩa vụ

• Trích dẫn bộ dữ liệu kèm phiên bản.
• Tuân thủ điều kiện sử dụng.
• Báo cho bên giữ dữ liệu nếu phát hiện lỗi.

Một điều đáng nhớ

Kiểm định nghĩa của từng biến ở từng năm trước khi gộp một chuỗi thời gian.

Một thay đổi định nghĩa giữa chừng tạo ra một xu hướng không có thật — và nó trông giống hệt một phát hiện thú vị cho tới khi có người kiểm lại.

Câu hỏi thường gặp