面板数据整体介绍

一、面板数据定义

时间序列：按时间得到的数据。 截面数据：固定时点上的一组数据。

面板数据：时间和截面上取得的二维数据，也称为时间序列与截面混合数据；从横截面看，从纵剖面看；短面板（T比较短）我们一般用，长面板（T比较长）；面板数据的表示；平衡面板数据和非平衡面板数据；好处。 二、面板数据模型分类

通常有3种，即混合估计模型、固定效应模型和随机效应模型。 1.混合模型（PA）：如果从时间上看，不同个体之间不存在显著性差异；从截面上看，不同截面之间也不存在显著性差异，那么就可以直接把面板数据混合在一起用最小二乘法（OLS）估计参数。

特点：? 和?不随i，t变化，是常数。 2.固定效应模型（FE）：对于不同的截面或不同的时间序列，模型的截距是不同的。 有3种类型，即个体固定效应模型、时点固定效应模型和个体时点双固定效应模型。

（1）个体固定效应模型：对于不同的个体有不同截距，但是对于不同的横截面，模型的截距没有显著性变化的模型。 两种表示： ①

特点：? i是与xit相关的随机变量，不同个体有不同的?。 ②加虚拟变量

（2）时点固定效应模型：对于不同的截面（时点），截距显著不同，但是对于不同的时间序列（个体）截距是相同的。 两种表示：

①

特点：r t是与xit相关的随机变量，不同时点有不同的r。 ②加虚拟变量

（3）个体时点固定效应模型：对于不同的截面（时点）、不同的时间序列（个体），模型的截距都显著地不相同。 两种表示： ①

特点：r t和? i都是与xit相关的随机变量，不同时点有不同的r，不同个体有不同的?。 ②加虚拟变量

3.随机效应模型(RE)

特点：? i是与xit不相关的随机变量，不同个体有不同的?。 假定条件：

以上是个体随机效应模型。类似，还有时点随机效应模型和个体时点随机效应模型，个体随机效应模型比较常用。

4.其他：动态面板数据模型、变系数面板数据模型、面板数据的向量自回归模型、非均衡面板数据模型、离散面板数据模型。 三、模型估计方法 1.混合模型

混合最小二乘（Pooled OLS）估计：在时间和截面上把NT个观测值混合在一起，用OLS估计。

平均数（between，组间）OLS估计：对面板数据中的每个个体求平均数，共得到N个平均数，然后利用N组观测值估计参数。

平均数（between，组间）OLS估计，压缩成截面数据，损失信息，所以通常用混合最小二乘（Pooled OLS）估计。 2.个体固定效应模型

离差变换（within，组内）OLS估计：先用每个变量减其组内均值（消去? i），然后用OLS法估计回归参数（不包括截距项，即固定效应）。也可以算回归模型截距项，即固定效应参? 数? i。? i =Yi-Xi??一阶差分（first difference）OLS估计：先用每个变量减去其滞后一期（消去? i），然后OLS。 离差用的多。

3.个体随机效应模型

平均数（between，组间）OLS估计：方法如上。压缩成截面数据，损失信息。 随机效应（random effects）估计法（可行GLS（feasible GLS）估计法）：先对模型进行变换，然后OLS。

四、面板数据模型选择

1.PPT介绍了三个统计量，进行参数的约束检验。F检验、Wald检验、LR检验。原假设是：约束条件成立（比如某几个系数为0，或者相等） 备择假设是：约束条件不成立。 2.识别面板数据模型类别： 根据例题，看出来先（1），后（2）。

（1）F检验：判别混合模型和个体固定效应模型（或者双固定效应）（P<0.05）

（2）Hausman检验：个体随机效应模型还是个体固定效应模型（p<0.05）

（3）LM检验：检验个体随机效应，混合&随机效应

H0：?u2 = 0。（混合估计模型） H1：?u2 ? 0。（个体随机效应模型）

五、stata处理面板数据

1.面板数据定义 xtset或tsset 截面变量 时间变量 2.描述性统计 xtsum xttab xtline 3.模型估计

(1)混合估计模型： reg cp ip

(2)个体固定效应模型：xtreg cp ip, fe 或者 xtreg cp ip, fe i(id) F检验自动生成（混合&固定） (3)时刻固定效应模型： . gen d1997=1 if year==1997 . replace d1997=0 if year!=1997 . gen d1998=1 if year==1998 . replace d1998=0 if year!=1998 . gen d1999=1 if year==1999 . replace d1999=0 if year!=1999 . gen d2000=1 if year==2000 . replace d2000=0 if year!=2000 . gen d2001=1 if year==2001 . replace d2001=0 if year!=2001 . gen d2002=1 if year==2002 . replace d2002=0 if year!=2002

. reg cp ip d1997 d1998 d1999 d2000 d2001 d2002

或者 xi: reg cp ip i.year (4)时刻个体固定效应模型

. xtreg cp ip d1997 d1998 d1999 d2000 d2001 d2002, fe 或者 xi: xtreg cp ip i.year, fe (5)随机效应模型 xtreg cp ip,re

xttest0 随机效应检验（混合&随机） （6）Hausman检验 （随机&固定） xtreg cp ip, fe estimate store fixed xtreg cp ip, re estimate store random hausman fixed random