面板数据包括关于随时间重复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。面板数据分析可以通过拟合面板回归模型来执行，该模型考虑横截面效果和时间效应，并提供更可靠的参数估计值线性回归楷模。
有两种类型的面板数据：
- 平衡（完整）面板包括在同一时间点测量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。
公共面板回归模型包括：
- 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特定效果
- 单向随机效果模型：横截面特定效果被建模为随机效应
- 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
面板数据回归模型的常见估计方法包括：
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®。
