面板数据是关于随时间收集的多个受试者的观察结果。面板数据的例子包括在同一时间段内收集的个人，家庭，公司，市，市，各国或国家/地区的数据。
有两种类型的面板数据：
- 平衡（完整）面板数据包括在同一时间点测量的每个单独的所有观察结果。示例：每年收集10年的国家或各国的经济数据。
- 不平衡（不完整）面板数据包括某些时间点的缺失观察到某些时间点。示例：一些公司或个人的公司或个人比其他公司或个人的财务数据。
大多数统计分析都对所谓的横截面数据进行，该数据在一个时间点收集。相比之下，面板数据分析通过拟合面板回归模型来扩展多个时间点的横截面数据的统计分析，该模型涉及横截面效应和时间效应。这些方法与...相比提供更可靠的参数估计线性回归楷模。
面板数据分析的流行方法包括多变量回归和线性混合效果模型。面板回归模型在它们划分的横断面和时间效应的差异有所不同。
- 面板数据固定效果模型或最小二乘与虚拟变量（LSDV）模型：使用虚拟变量建模横截面效果
- 单向随机效应模型：横截面效果，但不是时间效应被建模为随机效应
- 双向随机效果模型：横截面效果和时间效应都被建模为随机效应
- 嵌套（层次结构）模型：截面数据中的嵌套分组（例如，在国家/地区嵌套的状态）被建模为随机效果
马铃薯®万博1manbetx支持面板数据回归模型的常见估计方法，包括：
关键点
- 纵向数据是常见的经济学，生物统计学（如药物开发）和社会学
- 面板数据分析的流行方法包括多变量回归和线性混合效果模型
有关如何适应各种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™那Financial Toolbox™， 和OuthoMetrics Toolbox™使用马铃薯。
