面板数据包括对多个对象的观察数据，这些数据是在一段时间内反复收集的。面板数据的例子包括在同一时期内收集的个人、家庭、公司、市政、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，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)包括对每个个体在同一时间点测量的所有观测结果。例子:十年来，每年收集国家或州的经济数据。
- 不平衡(不完全)面板包含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的年龄比其他公司或个人的年龄大。
常见的面板回归模型包括:
- 面板数据固定效应模型或最小二乘虚拟变量(LSDV)模型:使用虚拟变量建模截面特定效应
- 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都被建模为随机效应
- 嵌套(层次)模型:横截面数据中的嵌套分组(例如，嵌套国家中的状态)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®．
