专家组数据是对一段时间内收集的多个主题的观察。专家组数据的示例包括在同一时间段内收集的个人、家庭、公司、市政当局、州或国家的数据。
面板数据有两种类型：
- 平衡（完整）面板数据包括在同一时间点测量的每个个体的所有观察结果。示例：10年来每年收集的国家或州的经济数据。
- 不平衡（不完整）面板数据包括某些个人在特定时间点的缺失观察。例如：来自公司或个人的财务数据，其中一些公司或个人比其他公司或个人年龄大。
大多数统计分析都是在一个时间点收集的所谓横截面数据上进行的。相比之下，面板数据分析通过拟合面板回归模型扩展了多个时间点上横截面数据的统计分析，该模型同时考虑了横截面效应和时间效应。与其他方法相比，这些方法给出了更可靠的参数估计线性回归模型。
面板数据分析的常用方法包括多元回归和线性混合效应模型。面板回归模型在如何解释横截面效应和时间效应方面有所不同。
- 面板数据固定效应模型或带虚拟变量的最小二乘法（LSDV）模型：使用虚拟变量对横截面效应进行建模
- 单向随机效应模型：将横截面效应（而非时间效应）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（层次）模型：横断面数据中的嵌套分组（例如，国家中嵌套的状态）被建模为随机效应
MATLAB®金宝app支持面板数据回归模型的常用估计方法，包括：
要点
- 纵向数据在计量经济学、生物统计学（如药物开发）和社会学中很常见
- 面板数据分析的常用方法包括多元回归和线性混合效应模型
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™和计量经济学工具箱™用于MATLAB.
