코호트(통계)
Cohort (statistics)
통계, 마케팅 및 인구통계학에서 코호트는 정의 특성을 공유하는 대상 그룹이다(일반적으로 출생 또는 졸업과 같은 선택된 기간에 공통 사건을 경험한 대상).
코호트 데이터는 종종 기간 데이터보다 인구통계학자에게 더 유리할 수 있다. 코호트 데이터는 특정 기간으로 경성되기 때문에 일반적으로 더 정확하다. 특정 연구를 위한 맞춤형 데이터를 검색하도록 튜닝할 수 있어 더 정확하다.
또한 코호트 데이터는 기간 데이터와 달리 템포 효과의 영향을 받지 않는다. 반대로 코호트 데이터는 코호트 연구에 필요한 데이터를 수집하는 데 오랜 시간이 걸릴 수 있다는 점에서 불리할 수 있다.[1] 코호트 연구의 또 다른 단점은 연구가 장기간 지속되기 때문에 인구통계학자들이 연구에 연료를 공급하기 위해 충분한 자금을 필요로 하는 경우가 많기 때문에, 코호트 연구를 수행하는 것이 매우 비용이 많이 들 수 있다는 것이다.
인구통계학은 종종 코호트 관점과 기간 관점을 대조한다. 예를 들어, 총 코호트 출산율은 여성의 코호트에 대한 평균 완성된 가족 크기의 지수지만, 그것은 아이 낳기를 마친 여성에 대해서만 알 수 있기 때문에 현재 가임 여성에 대해서는 측정할 수 없다. 그것은 시간이 지남에 따라 얻는 코호트의 연령별 출산율의 합으로 계산할 수 있다. 이와는 대조적으로, 합계출산율은 한 공칭 여성의 완성된 가족 규모를 계산하기 위해 현재 연령별 출산율을 사용한다. 만약 그녀가 그녀의 삶을 통해 이러한 출산율을 경험할 수 있다면 말이다.
코호트에 대한 연구는 코호트 연구다.
코호트 연구의 두 가지 중요한 유형은 다음과 같다.
- 사전 코호트 연구: 이러한 유형의 연구에서는 관심 예후를 개발하기 전에 모집된 피실험자의 피폭 데이터(기본 데이터)의 집합이러한 유형의 연구에서는 관심 예후를 개발하기 전에 모집한 피폭 데이터(기본 데이터)가 있다. 그런 다음 시간(미래)에 따라 대상자가 관심의 결과를 개발하는 시기를 기록한다. 연구 대상자를 추적하는 방법으로는 전화 면접, 대면 면접, 신체 검사, 의료/실험 시험, 우편 설문지가 있다.[2] 예를 들어, 인구통계학자가 2018년에 모든 남성 출산을 측정하고자 하는 경우 예비 코호트 연구의 한 예가 된다. 인구통계학자는 이 행사가 끝나기를 기다려야 할 것이다. 인구통계학자가 필요한 모든 데이터를 가지려면 2018년이 끝나야 한다.[3]
- 소급 코호트 연구: 소급 연구는 관심의 예후나 질병이 있을 위험이 있는 피실험자부터 시작하여 피폭의 식별을 위해 연구가 시작된 시점부터 피실험자의 과거까지의 결과를 파악한다. 소급 사용 기록: 임상, 교육, 출생 증명서, 사망 증명서 등이지만 연구를 위한 데이터가 없을 수 있기 때문에 어려울 수 있다. 이러한 연구들은 이 연구를 어렵게 만들 수 있는 다중 노출을 가질 수 있다.[4] 반면, 소급 코호트 연구의 예로는 인구통계학자가 1970년에 태어난 제1형 당뇨병을 가진 사람들의 집단을 검사하고 있었다. 인구통계학자는 역사적 자료를 보는 것으로 시작할 것이다. 그러나 인구통계학자가 제1형 당뇨병의 근원을 추론하기 위해 비효율적인 데이터를 보고 있다면 인구통계학자들의 결과는 정확하지 않을 것이다.[1]
참고 항목
참조
- ^ a b "Advantages and Disadvantages of Cohort Studies". sphweb.bumc.bu.edu. Retrieved 2018-03-27.
- ^ "Cohort Studies". sphweb.bumc.bu.edu. Retrieved 2017-04-04.
- ^ "Statistical Analysis Handbook". www.statsref.com. Retrieved 2018-04-05.
- ^ "Cohort Studies". sphweb.bumc.bu.edu. Retrieved 2017-04-04.
외부 링크
- 미국 노동통계국 정보서비스부 용어집의 코호트
- 종적 연구를 위한 센터 - 영국 국가 출생 코호트 연구를 위한 자원 센터.
