面板数据由多次收集的对多个对象的观察数据组成。面板数据的例子包括同一时期内收集的个人、家庭、公司、市政当局、州或国家的数据。面板数据分析可以通过拟合面板回归模型来进行，该模型考虑了横截面效应和时间效应，并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)包括在同一时间点测量的每个个体的所有观测值。例如:十年来每年从国家或州收集的经济数据。
- 不平衡(不完全)面板包括某些人在某些时间点的缺失观测。例如:来自公司或个人的财务数据，其中一些公司或个人的年龄比其他公司或个人的年龄大。
常用的面板回归模型包括:
- 面板数据固定效应模型或带虚拟变量的最小二乘(LSDV)模型:截面具体效应使用虚拟变量建模
- 单向随机效应模型:截面的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采用随机效应模型
- 嵌套(层次)模型:横截面数据的嵌套分组(例如，国家嵌套)被建模为随机效应
面板数据回归模型常用的估计方法有:
有关如何适应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®．
