平衡面板和非平衡面板 如果在面板数据中,每个时期在样本中的个 体完全一样,则称为“平衡面 板”( balanced panel) 反之,则称为“非平衡面板”( unbalanced pane)。我们主要关注平衡面板
平衡面板和非平衡面板 如果在面板数据中，每个时期在样本中的个 体完全一样，则称为“平衡面 板”(balanced panel)； 反之，则称为“非平衡面板”(unbalanced panel)。我们主要关注平衡面板
∥在 stata中,首先使用 tset命令指定个体特征 和时间特征,然后可以用 xtdes命令显示面板 数据的结构。 use fatality clear tset state year xtdes use nlswork, clear tset idcode year xtdes
在stata中，首先使用xtset命令指定个体特征 和时间特征，然后可以用xtdes命令显示面板 数据的结构。 use fatality,clear xtset state year xtdes use nlswork,clear xtset idcode year xtdes
面板数据的优势 了(1)可以解决遗漏变量问题:遗漏变量偏差是 个普遍存在的问题。虽然可以用工具变量法解决, 但有效的工具变量常常很难找。遗漏变量常常是由 于不可观测的个体差异或“异质性” ( heterogeneity)所造成,如果这种个体差异 “不随时间而改变”( time invariant),则面板 数据提供了解决遗漏变量问题的又一利器 了(2)提供更多个体动态行为的信息:由于面板数 据同时有截面与时间两个维度,有时它可以解决单 独的截面数据或时间序列数据所不能解决的问题
面板数据的优势 （1）可以解决遗漏变量问题：遗漏变量偏差是一 个普遍存在的问题。虽然可以用工具变量法解决， 但有效的工具变量常常很难找。遗漏变量常常是由 于不可观测的个体差异或“异质性” （heterogeneity）所造成，如果这种个体差异 “不随时间而改变”（time invariant），则面板 数据提供了解决遗漏变量问题的又一利器。 （2）提供更多个体动态行为的信息：由于面板数 据同时有截面与时间两个维度，有时它可以解决单 独的截面数据或时间序列数据所不能解决的问题
比如,如何区分规模效应与技术进步对企业生产效 率的影响。在截面数据中,由于没有时间维度,故 无法观测到技术进步。然而,对于单个企业的时间 序列数据来说,我们无法区分其生产效率的提高究 竟有多少是由于规模扩大,有多少是由于技术进步 (3)样本容量较大:由于同时有截面维度与时间 维度,通常面板数据的样本容量更大,可以提高估 计的精确度
比如，如何区分规模效应与技术进步对企业生产效 率的影响。在截面数据中，由于没有时间维度，故 无法观测到技术进步。然而，对于单个企业的时间 序列数据来说，我们无法区分其生产效率的提高究 竟有多少是由于规模扩大，有多少是由于技术进步。 （3）样本容量较大：由于同时有截面维度与时间 维度，通常面板数据的样本容量更大，可以提高估 计的精确度
面板数据的建模方法主要有三种: 混合回归模型 固定效应回归模型 随机效应回归模型
面板数据的建模方法主要有三种： 混合回归模型 固定效应回归模型 随机效应回归模型