Поперечне дослідження в психології: що це, переваги та обмеження
Український психологічний ХАБ · Опубліковано: 7 жовтня 2026 · Редакційна політика
Поперечне дослідження — це дизайн, у якому дані про учасників або інші одиниці спостереження збирають у межах одного часового зрізу, щоб описати стан популяції, порівняти групи або оцінити зв’язки між змінними. У типовому поперечному дослідженні дослідник не простежує тих самих людей упродовж кількох хвиль. Саме часова структура є його визначальною рисою.
У психології та суміжних науках поперечний дизайн часто використовують для вивчення поширеності певних характеристик, групових відмінностей і статистичних асоціацій. Методологічний огляд Setia описує поперечний дизайн як спостережний підхід, у якому ключові показники оцінюють приблизно в один і той самий час. Міжнародний термін — cross-sectional study; українською також уживають «дослідження поперечного зрізу» або «метод поперечних зрізів».
Найкоротша формула така: поперечне дослідження показує, як люди, групи або характеристики співвідносяться в певному часовому зрізі. Воно саме по собі не показує траєкторію зміни тієї самої людини і не встановлює причинний ефект. Загальну логіку дослідницького циклу дивіться у статті «Психологічне дослідження: що це, методи, дизайн і як читати результати».
Що саме означає «один часовий зріз»
«Один момент часу» не обов’язково означає, що всі учасники проходять вимірювання в одну календарну хвилину або навіть в один день. Польовий етап може тривати тиждень, місяць чи довше. Методологічно важливо інше: кожен учасник або одиниця аналізу входить до основного порівняння як спостереження одного цільового періоду, а дизайн не будується на повторному простежуванні тієї самої одиниці в часі.
Наприклад, дослідник може протягом жовтня опитати дорослих про самотність, соціальну підтримку і задоволеність життям. Якщо кожна людина бере участь один раз, а змінні аналізують як характеристику цього періоду, дослідження має поперечну часову структуру. Якщо тих самих людей повторно опитають через шість місяців і рік, виникає лонгітюдний компонент.
Поперечний дизайн тому слід розуміти як спосіб організації часу в дослідженні. Він може поєднуватися з опитуванням, тестуванням, спостереженням, аналізом записів або кількома джерелами даних. Огляд Spector наголошує, що цінність поперечного дизайну залежить від відповідності дослідницькому питанню, якості вимірювань і того, наскільки ретельно розглянуті альтернативні пояснення.
Які питання добре вирішує поперечне дослідження
Поперечний дизайн особливо корисний, коли наукове питання стосується опису поточного стану, структури відмінностей або зв’язків у визначеній популяції.
Опис поширеності та розподілу
Дослідник може оцінювати, яка частка вибірки має певну характеристику, як розподіляються бали за шкалою, яким є середнє значення показника або як часто трапляється певна відповідь. У клінічних і громадських дослідженнях поперечні дані часто використовують для оцінювання поширеності стану в конкретний період. Для психологічних симптомів або скринінгових показників важливо не перетворювати такий результат на діагноз: частка людей вище порога шкали і частка людей з клінічно підтвердженим розладом є різними величинами.
Порівняння груп
Поперечне дослідження може порівнювати, наприклад, студентів різних курсів, працівників різних професійних груп, підлітків різного віку або учасників із різними життєвими умовами. Таке порівняння описує міжгрупові відмінності в момент вимірювання.
Оцінювання асоціацій
Поперечні дані дозволяють досліджувати, чи пов’язані між собою психологічні показники. Наприклад, чи поєднується вища самооцінена самотність із нижчою соціальною підтримкою, чи пов’язаний робочий стрес із задоволеністю працею. Для цього можуть використовуватися кореляції, регресійні моделі або інші статистичні методи. Сам дизайн і конкретна статистична процедура залишаються різними рівнями дослідження.
Формування гіпотез і перевірка структури даних
Поперечний зріз може допомогти виявити патерни, які потребують подальшого дослідження: незвичні групові відмінності, потенційні модератори, конфаундери або змінні, для яких доцільне повторне вимірювання. Такий результат є добрим підґрунтям для наступного експериментального, квазіекспериментального чи лонгітюдного етапу.
Поперечний, кореляційний та опитувальний дизайн описують різні виміри дослідження
Поперечний дизайн відповідає насамперед на запитання «коли і скільки разів вимірюють одиниці спостереження?». Кореляційний дизайн відповідає на запитання про вивчення зв’язків без експериментальної маніпуляції ключовими змінними. Опитування описує спосіб отримання даних через відповіді учасників.
Тому одне дослідження може бути одночасно поперечним, кореляційним і опитувальним. Інше поперечне дослідження може порівнювати групи за результатами поведінкового завдання і взагалі не використовувати опитувальник. А кореляційне дослідження може бути лонгітюдним, якщо зв’язки між змінними аналізують у кількох хвилях.
Саме це розрізнення захищає від семантичної плутанини. Окрема канонічна сторінка «Кореляційне дослідження в психології» пояснює логіку зв’язків між змінними без маніпуляції. Поперечна сторінка володіє часовим виміром дизайну.
Як влаштоване поперечне дослідження
1. Дослідницьке питання
Дизайн починається з питання, яке справді можна розв’язати одномоментними даними. «Який рівень самотності спостерігається у вибірці цієї осені?» або «Чи відрізняються показники уваги між віковими групами?» відповідають поперечній логіці. «Як змінюється увага однієї людини з віком?» вимагає повторного вимірювання.
2. Цільова популяція і вибірка
Потрібно визначити, до кого належить висновок: усіх студентів університету, працівників певної професії, доросле населення регіону чи іншу популяцію. Спосіб залучення учасників впливає на зовнішню валідність і може створювати упередження відбору. Докладніше цю логіку розкриває стаття «Вибірка у психологічному дослідженні».
3. Змінні та вимірювання
Дослідник визначає, які конструкти потрібні, як вони операціоналізовані і якими інструментами вимірюються. Для самооцінюваних характеристик важливі формулювання питань, часовий інтервал відповіді, умови заповнення та схильність до соціально бажаних відповідей. Для тестових показників важливі психометричні властивості інструмента, але канонічні сторінки про психометричні властивості належать окремому кластеру психологічного вимірювання.
4. Єдина часова рамка
Показники мають належати до визначеного періоду. Якщо одна змінна описує стан «зараз», друга — події за останній рік, а третя — поведінку в дитинстві, дослідження формально може залишатися поперечним за участю в одній хвилі, але причинна і часова інтерпретація стає значно складнішою. Саме формулювання запитань не перетворює одноразове ретроспективне опитування на лонгітюдне дослідження.
5. План аналізу
Аналіз залежить від питання і типу даних: описові показники, порівняння груп, кореляції, регресійні моделі, оцінки поширеності та довірчі інтервали. Статистичний метод не додає дизайну тієї інформації, якої в даних немає. Складна модель, застосована до одного зрізу, не створює часової послідовності.
Описове й аналітичне поперечне дослідження
Описове поперечне дослідження зосереджується на тому, що відбувається в популяції в певний період: частки, середні значення, розподіли, профілі характеристик. Його основна мета — точний опис.
Аналітичне поперечне дослідження порівнює групи або оцінює зв’язок між показниками. Наприклад, дослідник може оцінити, чи відрізняється частота певного результату між групами або чи зберігається асоціація між X і Y після статистичного врахування визначених змінних.
Це розрізнення важливе, бо аналітичний поперечний дизайн часто провокує причинну мову. Статистичне «врахування» конфаундерів може зробити оцінку асоціації більш інформативною, але не гарантує усунення невиміряного конфаундингу, помилки вимірювання або відбору. Огляд D’Onofrio та співавторів показує, чому спостережні причинні твердження потребують явної каузальної логіки та перевірки альтернативних пояснень.
Повторне поперечне дослідження: зміна популяції без простежування тих самих людей
Поперечний дизайн може повторюватися. Наприклад, у 2026, 2027 і 2028 роках дослідники можуть щоразу набирати нову вибірку з тієї самої цільової популяції та ставити однакові запитання. Це повторне поперечне дослідження.
Такий підхід дозволяє відстежувати, як змінюється середній рівень показника або частка певної характеристики в популяції. Він не показує індивідуальної траєкторії конкретної людини, бо склад вибірки між хвилями може змінюватися.
Лонгітюдний дизайн, навпаки, пов’язує повторні вимірювання з тими самими учасниками або іншими стабільно ідентифікованими одиницями. Завдяки цьому він може безпосередньо описувати внутрішньоіндивідуальну зміну. Огляд Curran і Bauer показує, наскільки важливо розрізняти міжособові відмінності та внутрішньоособові зміни в моделях психологічних процесів.
Переваги поперечного дизайну
Швидкість
Для одного зрізу не потрібно чекати наступних хвиль вимірювання. Це особливо важливо, коли наукове питання стосується поточного стану популяції або коли рішення має спиратися на актуальні дані.
Нижчі організаційні витрати
Поперечне дослідження часто потребує менше ресурсів, ніж багаторічне простежування учасників. Відсутність наступних хвиль зменшує витрати на повторний контакт, повторне тестування та підтримання панелі.
Відсутність втрат учасників між хвилями
Класична проблема лонгітюдних досліджень — вибування учасників у процесі спостереження. В однохвильовому поперечному дизайні немає міжхвильової втрати, хоча залишаються відмова від участі, неповні відповіді та інші форми відбору.
Можливість широкого опису
В один часовий зріз можна включити багато змінних і отримати детальну карту їхніх розподілів та асоціацій. Це робить дизайн корисним для описових досліджень і формування наступних гіпотез.
Зручність для оцінювання поточної поширеності
Коли дослідницький об’єкт коректно визначений і вибірка відповідає цільовій популяції, поперечний дизайн природно підходить для оцінювання частки людей із певною характеристикою в конкретний період. Методологічні огляди поперечних досліджень підкреслюють цю функцію як одну з центральних.
Головні обмеження поперечного дослідження
Часова невизначеність
Якщо X і Y виміряні в одному зрізі, часто неможливо встановити, що виникло раніше. Припустімо, вища самотність пов’язана з нижчою фізичною активністю. Дані сумісні з кількома сценаріями: самотність може зменшувати активність; низька активність може посилювати ізоляцію; обидва показники можуть залежати від третього чинника; зв’язок може бути двоспрямованим.
Це проблема часової послідовності, а не проблема «недостатньо складної статистики». Регресія не створює інформацію про те, що передувало чому.
Зворотна причинність
Коли наслідок потенційно впливає на передбачувану причину, поперечна асоціація може мати протилежний напрям до того, який припустив дослідник. Саме тому формулювання «X спричиняє Y» потребує більше, ніж одночасна асоціація.
Конфаундинг
Третя змінна може впливати і на X, і на Y, породжуючи або змінюючи спостережуваний зв’язок. Статистичне коригування корисне лише для змінних, які належно визначені, виміряні та включені до моделі. Невиміряні або погано виміряні спільні причини залишаються проблемою. Для детальної логіки причинного висновку дивіться «Причинність у психологічних дослідженнях».
Упередження відбору і невідповіді
Якщо люди, які погодилися брати участь, систематично відрізняються від тих, хто не взяв участі, оцінки можуть не представляти цільову популяцію. Велика вибірка сама по собі не усуває систематичного відбору.
Спільне джерело даних
Коли всі змінні вимірюють одним самоопитувальником в одному сеансі, їхні асоціації можуть частково відображати спільний формат відповідей, контекст заповнення, стиль реагування або інші методичні чинники. Розв’язанням є не механічне відкидання самооцінок, а відповідність джерела даних конструкту, рознесення джерел там, де це змістовно, і прозорий аналіз методичних альтернатив.
Похибка вимірювання
Неточні інструменти можуть послаблювати, посилювати або спотворювати оцінені зв’язки. Особливо небезпечно, коли погано виміряний потенційний конфаундер створює ілюзію, що статистична «поправка» повністю усунула альтернативне пояснення.
Поширеність залежить від тривалості стану
Поперечний зріз бачить тих, хто має певний стан у момент спостереження. Ймовірність потрапити до такого зрізу може бути вищою для станів, що тривають довше. Через це поширеність не тотожна ризику виникнення нового випадку і не описує автоматично динаміку появи стану.
Вікові групи: відмінності між людьми не дорівнюють зміні однієї людини
У психології розвитку метод поперечних зрізів часто порівнює людей різного віку. Якщо 20-річні, 40-річні та 60-річні учасники відрізняються за певним показником, це є віковою міжгруповою відмінністю в момент дослідження.
Такий результат ще не показує, як середня людина зміниться від 20 до 40 або від 40 до 60 років. Групи народилися в різні історичні періоди, мали різний освітній, технологічний, економічний та культурний досвід. Ці когортні відмінності можуть переплітатися з віком.
Методологічна робота Sliwinski, Hoffman і Hofer показує, що міжособові вікові відмінності потрібно відокремлювати від внутрішньоособової вікової зміни. Поперечний дизайн добре описує перше; для безпосереднього спостереження другого потрібні повторні вимірювання тих самих людей.
Чи може поперечне дослідження доводити причинність
Звичайна поперечна асоціація не є достатньою підставою для причинного твердження. Для причинного висновку потрібно визначити причинний ефект, встановити релевантну часову структуру, розглянути конфаундинг, відбір, похибки вимірювання та припущення конкретного методу.
Водночас коректна методологічна позиція точніша за правило «з поперечних даних причинність неможлива за жодних умов». У спеціально сформульованих задачах причинний параметр може бути ідентифікований із поперечних даних за достатньо сильних і прозорих припущень. Наприклад, Flanders і Klein формалізували умови, за яких можна оцінювати причинні ефекти на поширеність.
Отже, сила причинного висновку походить не від етикетки «поперечне дослідження», не від p-значення і не від факту статистичного коригування. Вона походить від каузального питання, дизайну, часової логіки, якості вимірювань, припущень та аналізу альтернативних пояснень.
Чому поперечна медіація потребує особливої обережності
Медіаційна модель часто має часову логіку: X впливає на M, а M згодом впливає на Y. Коли всі три змінні виміряні одночасно, дані не спостерігають цього процесу в часі.
Maxwell і Cole показали, що поперечні оцінки медіації можуть суттєво відхилятися від параметрів справжнього лонгітюдного процесу. Подальша робота Maxwell, Cole і Mitchell продемонструвала, що поперечний аналіз може навіть створювати видимість непрямого ефекту, коли відповідний лонгітюдний непрямий ефект дорівнює нулю.
Тому значущий непрямий ефект у поперечній моделі є статистичною властивістю цієї моделі, а не автоматичним доказом механізму, що розгортається в часі. Формулювання висновку має залишатися на рівні, який підтримує дизайн.
Яку статистику використовують у поперечних дослідженнях
Поперечний дизайн не має одного «власного» статистичного тесту. Вибір аналізу визначається дослідницьким питанням, типом змінних, структурою вибірки й припущеннями моделі.
Для опису можуть використовувати частки, середні значення, медіани, показники розсіювання та довірчі інтервали. Для групових порівнянь — відповідні параметричні або непараметричні процедури. Для асоціацій — кореляційні та регресійні моделі. Для поширеності — пропорції та моделі, що оцінюють відношення або різниці поширеності залежно від питання.
Ключове правило інтерпретації: статистична значущість не перетворює асоціацію на причинний ефект, а велике p-значення не доводить відсутності змістовного зв’язку. Результат потрібно читати разом із розміром ефекту, невизначеністю, дизайном, якістю вимірювання і можливими систематичними похибками. Загальний контекст кількісної логіки розкрито у статті «Кількісне дослідження в психології».
Вибірка визначає, до кого можна узагальнювати результат
Поперечне дослідження часто прагне описати популяцію в конкретний період, тому спосіб формування вибірки особливо важливий. Зручна онлайн-вибірка, вибірка однієї клініки й імовірнісна вибірка населення відповідають на різні питання, навіть якщо анкета однакова.
Репрезентативність не з’являється автоматично через великий розмір вибірки. Якщо механізм включення систематично пов’язаний із досліджуваними змінними, збільшення числа учасників може лише зробити неточну щодо цільової популяції оцінку статистично дуже точною.
У складних опитувальних вибірках також важливі стратифікація, кластеризація та ваги. Ігнорування дизайну вибірки може дати некоректні стандартні похибки й оцінки. Ці питання належать до окремої гілки вибіркової методології, а поперечний дизайн задає часову рамку.
Поперечне і лонгітюдне дослідження: головна різниця
Поперечний дизайн вимірює різних або тих самих за складом учасників один раз у межах одного цільового періоду. Лонгітюдний дизайн містить повторні пов’язані спостереження тих самих учасників або одиниць у часі.
Поперечне дослідження прямо оцінює стан і міжособові відмінності в зрізі. Лонгітюдне прямо спостерігає зміну показника всередині тієї самої одиниці, якщо повторні вимірювання достатньо добре виконані.
Поперечний дизайн зазвичай швидший і організаційно простіший. Лонгітюдний потребує повторного контакту, довшого спостереження і роботи з вибуванням учасників, зате містить додаткову часову інформацію.
Лонгітюдність сама по собі також не гарантує причинності. Якщо дослідник лише повторно спостерігає X і Y без контролю причинної структури, конфаундинг і відбір залишаються можливими. Часова послідовність є важливою частиною причинного аргументу, але не всією причинною аргументацією.
Як зробити поперечне дослідження сильнішим
Сформулювати питання до збору даних
Дослідник має визначити, чи його мета описова, асоціативна, прогнозна або причинна. Це визначає, які змінні потрібні, яку вибірку формувати і якою має бути мова висновку.
Визначити цільову популяцію і механізм відбору
Потрібно описати, звідки прийшли учасники, хто мав право участі, хто відмовився, які групи могли бути недопредставлені і до кого саме узагальнюється оцінка.
Розвести ключові конструкти за джерелами, коли це змістовно
Якщо всі змінні можна отримати лише через самооцінку, це може бути цілком доречно. Якщо частину конструктів можна надійно виміряти поведінковими даними, незалежною оцінкою або записами, поєднання джерел іноді дозволяє перевірити, чи не залежить асоціація від одного способу вимірювання.
Заздалегідь визначити конфаундери
Вибір змінних для коригування має спиратися на причинну модель і предметне знання, а не лише на автоматичний статистичний відбір. Некритичне «контролювання всього доступного» може саме створити упередження.
Відокремити підтверджувальні аналізи від дослідницьких
Коли десятки зв’язків перевіряють після перегляду даних, читач має знати, що було заплановано, а що знайдено експлораторно. Це допомагає правильно оцінити ризик селективної інтерпретації.
Повідомляти невизначеність, а не лише p-значення
Оцінка ефекту або асоціації разом із довірчим інтервалом зазвичай дає більше інформації, ніж бінарне «значуще / незначуще». Вона показує діапазон значень, сумісних із даними та моделлю в межах обраної статистичної процедури.
Як звітувати поперечне дослідження
Для психологічних статей APA Journal Article Reporting Standards задають структуру прозорого звітування кількісних, якісних і змішаних досліджень та містять модулі для спостережних дизайнів. Вони допомагають читачеві побачити гіпотези, учасників, змінні, аналітичну стратегію та інші компоненти дослідження.
Для спостережних досліджень широко застосовується STROBE, що має окремий чекліст для поперечних робіт. Він охоплює опис дизайну, контекст і місце проведення, учасників, змінних, джерел даних, потенційних упереджень, розміру дослідження, статистичних методів, результатів і обмежень.
STROBE є настановою зі звітування. Самі автори ініціативи прямо зазначають, що чекліст не є інструментом для оцінки якості дослідження і не замінює якісний дизайн. Повний чекліст може покращити прозорість слабкого дослідження, але прозорість і внутрішня валідність залишаються різними властивостями.
Як читати поперечне дослідження критично
Починайте з дослідницького питання. Якщо автори питають про поширеність або асоціацію, поперечний дизайн може бути цілком адекватним. Якщо вони заявляють про зміни в часі або причинний механізм, потрібна особливо уважна перевірка того, яка інформація справді є в даних.
Далі перевірте, кого включили до вибірки і з якої популяції. Висновок про студентів одного університету не стає висновком про всіх дорослих лише через великий N.
Подивіться, як виміряні змінні. Самооцінка симптому, результат психометричного тесту, клінічний діагноз, поведінкова задача й цифровий слід є різними типами даних і підтримують різні формулювання.
Перевірте часову логіку. Якщо X і Y виміряні разом, запитайте, які напрями зв’язку сумісні з даними і чи може Y впливати на X.
Перевірте альтернативні пояснення. Які спільні причини могли породити асоціацію? Чи обґрунтований набір змінних для коригування? Чи можливе упередження відбору?
Нарешті, зіставте мову висновку з дизайном. «X пов’язаний із Y» є асоціативним твердженням. «X передбачає Y» може бути статистично прогнозним твердженням. «X спричиняє Y» є причинним твердженням і потребує окремого обґрунтування.
Коли поперечний дизайн є правильним вибором
Поперечне дослідження є сильним вибором, коли мета полягає в описі стану популяції, оцінюванні поширеності, порівнянні груп у визначений період, картуванні асоціацій або швидкому отриманні базової інформації для наступної програми досліджень.
Воно слабше відповідає питанням про індивідуальну зміну, часову послідовність і процеси, що розгортаються в часі. У таких випадках потрібні повторні вимірювання, експериментальні або квазіекспериментальні стратегії чи інший дизайн, який безпосередньо відповідає причинному або динамічному питанню.
Тому оцінювати поперечний дизайн варто не за шкалою «добрий — поганий», а за відповідністю між питанням і даними. Методи дослідження в психології утворюють систему інструментів, і кожен дизайн сильний у тих висновках, для яких він створений.
Часті запитання
Чи є поперечне дослідження кореляційним
Не обов’язково. «Поперечне» описує часову структуру — один зріз. «Кореляційне» описує дослідження зв’язків без експериментальної маніпуляції ключовими змінними. Багато робіт є одночасно поперечними й кореляційними, але поняття не тотожні.
Чи є поперечне дослідження опитуванням
Не обов’язково. Опитування є методом збору даних. Поперечне дослідження може використовувати опитування, тест, спостереження, поведінкове завдання, записи або поєднання джерел.
Чи може поперечне дослідження показати зміни з віком
Воно може показати вікові відмінності між людьми або групами в конкретний момент. Такі відмінності не є прямим виміром того, як змінюється та сама людина з віком, оскільки до них можуть домішуватися когортні, селекційні та інші ефекти.
Чи можна з поперечного дослідження зробити причинний висновок
Звичайна поперечна асоціація не встановлює причинного ефекту. Спеціалізований каузальний аналіз може бути можливим лише за чітко визначеного причинного питання та достатньо сильних припущень, які потрібно обґрунтувати окремо.
Чому поперечне дослідження часто дешевше за лонгітюдне
Тому що воно не потребує повторного контакту з тими самими учасниками протягом місяців або років, підтримання панелі та управління міжхвильовим вибуванням. Реальна вартість, однак, залежить від масштабу вибірки, способу вимірювання і складності польового етапу.
Що таке повторне поперечне дослідження
Це серія окремих поперечних зрізів тієї самої цільової популяції у різні моменти, часто з новою вибіркою кожної хвилі. Воно показує зміну популяційних показників у часі, але не індивідуальну траєкторію конкретних людей.
Яка головна помилка при читанні поперечної роботи
Найтиповіша помилка — перетворити одночасну асоціацію на історію про послідовність подій. Поперечні дані часто добре описують, що пов’язане з чим зараз, але для твердження «що призвело до чого» потрібна окрема причинна аргументація.
Пов’язані статті
Джерела
American Psychological Association. (2024). APA Style JARS: What are they?
Curran, P. J., & Bauer, D. J. (2011). The disaggregation of within-person and between-person effects in longitudinal models of change. Annual Review of Psychology, 62, 583–619.
D’Onofrio, B. M., Sjölander, A., Lahey, B. B., Lichtenstein, P., & Öberg, A. S. (2020). Accounting for confounding in observational studies. Annual Review of Clinical Psychology, 16, 25–48.
Figueiredo, R. G., Patino, C. M., & Ferreira, J. C. (2025). Cross-sectional studies: understanding applications, methodological issues, and valuable insights. Jornal Brasileiro de Pneumologia, 51(1), e20250047.
Flanders, W. D., & Klein, M. (2016). Conditions for valid estimation of causal effects on prevalence in cross-sectional and other studies. Annals of Epidemiology, 26(6), 389–394.e2.
Maxwell, S. E., & Cole, D. A. (2007). Bias in cross-sectional analyses of longitudinal mediation. Psychological Methods, 12(1), 23–44.
Maxwell, S. E., Cole, D. A., & Mitchell, M. A. (2011). Bias in cross-sectional analyses of longitudinal mediation: Partial and complete mediation under an autoregressive model. Multivariate Behavioral Research, 46(5), 816–841.
Setia, M. S. (2016). Methodology Series Module 3: Cross-sectional studies. Indian Journal of Dermatology, 61(3), 261–264.
Sliwinski, M., Hoffman, L., & Hofer, S. M. (2010). Evaluating convergence of within-person change and between-person age differences in age-heterogeneous longitudinal studies. Research in Human Development, 7(1), 45–60.
Spector, P. E. (2019). Do Not Cross Me: Optimizing the use of cross-sectional designs. Journal of Business and Psychology, 34(2), 125–137.
von Elm, E., Altman, D. G., Egger, M., Pocock, S. J., Gøtzsche, P. C., & Vandenbroucke, J. P. (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) Statement: Guidelines for reporting observational studies. Annals of Internal Medicine, 147(8), 573–577.