面板数据包括随着时间的推移反复收集多个学科观测。面板数据的例子包括在同一时间内收集的个人数据，家庭，企业，城市，州或国家。面板数据分析可以通过安装面板回归模型，解释两个横截面效应和时间效应和比较给更可靠的参数估计值进行线性回归楷模。
有两种类型的面板数据：
- 平衡（完成）面板包括用于每个单独的所有观测值都在相同的时间点测量。示例：从国家或州的经济数据为10年每年收集。
- 不平衡（不完全的）面板包括对某些人的某些时间点缺失观察。例如：从公司或个人，其中一些企业或个人比其他人更旧的财务数据。
常见的面板回归模型包括：
- 面板数据固定效应模型或与虚拟变量（LSDV）模型最小二乘：横截面的具体影响正在使用虚拟变量建模
- 单向随机效应模型：横截面的具体影响建模为随机效应
- 双向随机效应模型：两个横截面效应和时间效应建模为随机效应
- 嵌套（分层）型号：横截面数据嵌套分组（例如，各国嵌套在国家）建模为随机效应
对于面板数据回归模型常用估计方法包括：
有关如何适应不同的面板数据回归模型的更多信息，请参阅统计和机器学习工具箱™，金融工具箱™和计量经济学工具箱™与使用MATLAB®。
