Poikkileikkaustiedot ovat tilastotietoja ja ekonometriaa , jonka havainnoivat tahot (kuten henkilöt, yritykset, maat tai alueet) keräävät samalla ajanjaksolla .
Poikkileikkausdata eroaa aikasarjadatasta , jossa sama kohde havaitaan eri ajankohtina. Toinen datatyyppi, paneelidata , yhdistää sekä poikkileikkaustiedot että aikasarjat ja tarkastelee, kuinka entiteetit (yritykset, henkilöt jne.) muuttuvat ajan myötä. Paneelitiedot eroavat aikapooloiduista poikkileikkaustiedoista, koska niissä otetaan huomioon samojen kohteiden havainnot eri aikoina, kun taas jälkimmäiset edustavat eri objekteja eri aikajaksoilla.
Henkilökohtaisten säästöjen poikkileikkaustiedot auttavat laskemaan tulojen ja säästöjen välistä suhdetta. Poikkileikkaustiedoista johdettua säästämisalttiutta voidaan puolestaan verrata aikasarjatietokannasta laskettuun säästämisalttiuteen.
Haluttaessa mitata väestön tämänhetkistä lihavuuden tasoa valitaan satunnaisesti 1000 ihmistä tietystä alueesta, mitataan heidän painonsa ja pituutensa, ja sitten lasketaan, ovatko tietyn alueen ihmiset lihavia. Tällainen ristiindatahaku antaa meille selkeän kuvan tietyllä hetkellä. Huomaa, että yhden poikkileikkaustietonäytteen perusteella emme tiedä, onko liikalihavuus lisääntymässä vai laskemassa; voimme vain kuvata nykyistä osuutta.
Ristidataesimerkissä kohteen satunnainen läsnäolo ja aika, jolloin objekti osallistuu, määritetään satunnaisesti. Esimerkiksi poliittiseen kyselyyn kuuluu 1000 ihmisen kuulusteleminen. 1000 ihmistä valitaan satunnaisesti koko väestöstä. Jokaiselle henkilölle määrätään sitten satunnainen päivämäärä, jolloin kohde haastatellaan ja siten otetaan mukaan tutkimukseen.
Poikkileikkaustietoja voidaan käyttää regressioanalyysissä . Esimerkiksi eri yksilöiden kulutusmenoja kuukauden aikana voidaan analysoida tulojen, kertyneiden säästöjen ja erilaisten demografisten ominaisuuksien perusteella selvittääkseen, miten näiden indikaattoreiden erot vaikuttavat kuluttajakäyttäytymiseen.