Hal yang khusus saat sebelum tentukan metoe riset data ialah pahami betul karakter dan tipe – tipe data. Berdasar nilainya, data dapat dipisah dengan skalanon parametrik dan parametrik. karakter rasio ini benar-benar tentukan sistem pemrosesan data yang akan dipakai untuk hasilkan ringkasan yang bagus. Hingga hasil riset bisa dipertanggung jawabkan.
Berdasar sumbernya, data dipisah di antara data primer dan sekunder. Data primer umumnya didapat dari riset primer secara langsung memperhatikan pengubahan sikap object penilaian. Sedang data sekunder ialah data yang didapat hasil dari riset atau survey yang dilaksanakan oleh instansi atau periset lainnya dan tidak terkait langsung dengan object riset. Bila disaksikan berdasar karakter data, data dapat memiliki sifat cross section, time seri dan panel.
Cross Section
Secara simpel ide data cross section ialah data yang mempunyai object yang banyak di tahun yang serupa atau data yang dihimpun pada sebuah waktu pada banyak object. Pemahaman object di sini dapat beberapa macam dan berbentuk beberapa hal misalnya pribadi/orang, perusahaan, bank, wilayah (kabupaten dan kota), serta negara.
Contoh lain misalkan: Seorang mahasiswa ingin mempelajari mengenai dampak tingkat keterlibatan pelajar di dalam organisasi pada prosentase kelulusan pada tahun 2017. Dalam lakukan riset itu, ia kumpulkan data informan dari perwakilan sekolah dalam suatu kabupaten dan ambil sample masing-masing sekolah sekitar 20 orang.
Data yang dihimpun oleh periset tersbeut memiliki sifat cross section. Data yang dikumpulknan masih juga dalam tahun yang serupa. Maknanya, data tidak memiliki kandungan elemen waktu tetapi data digolongkan berdasar asal informan. Umumnya pengelompokkan informan itu bisa memengaruhi hasil karena mempunyai karakter yang lain. Contoh: pada sekolah yang favorite, kemungkinan tingkat prosentase kelulusan tinggi dan keterlibatan keorganisasian tinggi. Ini belum pasti sama dengan sekolah yang lain, hingga ambil sample harus benar-benar jadi perhatian.
Time Series
Berlainan dengan cross section, time seri memiliki kandungan elemen waktu. ide dari data time seri ialah data yang memliki runtun saat yang lebih satu tahun pada satu object atau data yang dihimpun dari sekian waktu pada satu pribadi/object. Misalkan seorang mahasiswa lakukan riset tren konsumsi sayur dari tahun 1990 s/d 2017. Data yang diambil umumnya cuman satu barisan, yaitu konsumsi sayur nasional tetapi mempunyai kisaran saat yang panjang dari masa tahun itu. Pasti jumlah tahun akan memengaruhi skema data ingat dalam berjalannya masa terjadi keadaan yang berbeda, seperti tingkat inflasi, tingkat susku bunga, nilai mata uang, dan lain- lain.
Data Panel
Data panel sebagai kombinasi dari cross section dan time seri. Data panel mempunyai pengelompokan data yang lain dan mempunyai elemen time seri di dalamnya. Misalkan: seorang periset ingin ketahui dampak luas tempat pada produksi padi secara nasional. Selanjutnya ia ambil data produksi dan luas tempat semua Indonesia pada bentang tahun tertentu. Secara simpelnya ide dari data panel yakni mempunyai dua krakteristik data, yakni time seridan cross section. Dua karakter data itu dikombinasi dalam sebuah data yang disebutkan denga data panel atau pooled data, atau longitudinal data. Disebutkan data kombinasi karena data ini terdiri dari beberapa object/sub object dalam beberapa waktu periode.
Seperti pemahaman berikut ini: data panel ialah (pooled data) ialah sebuah set data yang berisi data contoh pribadi seperti rumah tangga, perusahaan, kabupaten/kota, propinsi, negara dan sebagainya pada waktu periode tertentu. Menurut Ekananda (2016) dan Nachrowi dan Usman (2006) secara teoritis, ada sejumlah keuntungan dipakainya data kombinasi itu, yakni terang jika makin banyaknya pengamatan (N) yang dipunyai untuk kebutuhan perkiraan patokan komunitas, makin banyak juga jumlah pengamatan itu bawa imbas positif dengan membesarkan derajat kebebasan (degree of freedom), turunkan peluang kolinearitas antar faktor serta lebih efektif.
Keuntungan yang lain dari pemakaian data panel ialah dimungkinkannya perkiraan masing-masing-masing karakter pribadi atau karakter waktu (masa) secara terpisah. Dengan mengaplikasikan proses perkiraan pada data panel, karena itu secara bertepatan bisa mengestimasi karakter pribadi dengan memerhatikan ada dinamika antar waktu dari tiap-tiap faktor dalam riset. Dengan begitu, riset hasil perkiraan makin lebih mendalam dan meliputi beberapa hal yang lebih dekati realitas (Ekananda, 2016).