面板数据由多次收集的多个对象的观察结果组成。面板数据的例子包括在同一时期内收集的关于个人、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面板回归模型来进行,该模型既考虑了截面效应,又考虑了时间效应,给出了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)包括对每个个体在同一时间点测量的所有观察。例子:十年来每年收集的国家或州的经济数据。
- 不平衡(不完全)面板包括某些人在某些时间点的观察缺失。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更老。
常见的面板回归模型包括:
- 面板数据固定效应模型或使用哑变量的最小二乘(LSDV)模型:使用哑变量对截面特定效应进行建模
- 单向随机效应模型:截面特定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为随机效应
- 嵌套(分层)模型:横截面数据中的嵌套分组(例如,国家嵌套)被建模为随机效应
常用的面板数据回归模型估计方法包括:
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®。