面板数据由多次收集的对多个主题的观察组成。面板数据的例子包括同一时期收集的个人、家庭、公司、市政当局、州或国家的数据。面板数据分析可以通过拟合既考虑了截面效应又考虑了时间效应的面板回归模型来进行,并给出更可靠的参数估计线性回归模型。
面板数据有两种类型:
- 平衡板(完成)包含在同一时间点对每个个体的所有观测值。例如:十年来每年收集的国家或州的经济数据。
- 不平衡(不完全)面板包括对某些个体在某些时间点的缺失观察。例如:公司或个人的财务数据,其中一些公司或个人的历史比其他公司或个人久远。
常见的面板回归模型有:
- 面板数据固定效应模型或最小二乘虚拟变量(LSDV)模型:截面具体效应建模使用虚拟变量
- 单向随机效应模型:横截面的具体效应被建模为随机效应
- 双向随机效应模型:横截面效应和时间效应均建模为随机效应
- 嵌套(分层)模型:横截面数据的嵌套分组(例如,国家嵌套的状态)被建模为随机效应
面板数据回归模型的常用估计方法有:
有关如何拟合各种面板数据回归模型的更多信息,请参见统计和机器学习工具箱™,金融工具箱™,计量经济学工具箱™使用MATLAB®。