面板数据

Panel Data 分析的基本框架：非线性模 型
logit和probit模型：固定效应模型（ML估计、 CMLE估计和半参估计方法估计模型参数）和随 机效应模型（MLE估计）用二步骤方法来检验 模型是否存在异方差。 非线性潜在变量模型：包括变量是线性的但模 型是非线性的形式和变量非线性模型（估计方 法包括非一致的IV估计、ML估计、最小距离 MDE估计、二步估计、近似MLE 估计以及估计 偏差调整）以及作为变量非线性模型中的一种 特殊情况--二元选择情形，估计方法用重复ML 估计或者条件ML估计。
平行数据研究的发展和应用
目前，世界上已经成立了专门研究 Panel Data 的协会， 每两年举办一次全球性的Panel Data 学术交流大会。第 九届国际Panel Data会议于2000年6月22-23日在日内瓦大 学举行，入会者均是从事Panel Data研究的经济学家、经 济计量学家、统计学家和社会学家。大会强调除了在经 济计量学中以外，要扩展Panel Data的应用领域，以期发 现Panel Data分析的新方法和新的应用领域，特别强调 Panel Data在社会科学、医学和金融学这三个领域的应用。
Panel Data 分析的基本框架： Panel Data 分析的最新进展
目前，在Panel Data理论和应用研究中， 主要有两个热点领域：一个是非线性模型 研究，另一个是动态线性模型单位根和协 整的理论联系和应用研究。
Panel Data 分析的基本框架：线性
模型之其它类型模型
联立方程模型：包括带特定误差成分和联立方 程（用GLS、最大似然估计、G2SLS、EC2SLS、 G3SLS、EC3SLS以及FIML等方法估计参数）， 以及带自相关特定效应或者带随机效应的联立 方程模型。 带测量误差模型：包括基本回归模型、带一个 误差成分结构测量误差模型，参数估计方法包 括基本估计、集合估计、差分估计。还包括具 有测量误差和异方差的模型（GLS估计），以及 具有自相关性测量误差的模型。
平行数据研究的发展和应用
Panel Data在经济学领域的应用 ：在宏观 经济领域，它被广泛应用于经济增长、技 术创新、金融、税收政策等领域；在微观 经济领域，它被大量应用于就业、家庭消 费、入学、市场营销等领域。
平行数据研究的发展和应用
美国最著名的两个Panel Data 数据集，一 个是俄亥俄大学的NLS 数据集（the National Longitudinal Surveys of Labor Market Experience）；另一个是密西根大 学的PSID数据集（the University of Michigan’s Panel Study of Income Dynamics）。
Panel Data 分析的基本框架：非线性模 型
生存模型：主要包括对Cox模型、加速生 存模型、竞争风险模型研究。 点过程：主要包括对马氏过程、半马氏过 程，以及用广义半参方法处理的点过程。
Panel Data 分析的基本框架：非线性模 型
处理Panel Data数据不完整而带来的选择偏差问 题：通常不完整的Panel Data按照对研究结果的 影响分为可忽略选择规则（机制）和不可忽略 选择规则（机制）。可忽略选择规则（机制） 模型参数通常用ML估计和EM算法，而不可忽 略选择机制模型参数通常用二步估计，？是否 是？（含义不清）不可忽略选择规则（机制） 通常采用LM检验、Hausman检验、变量可加性 检验。
Panel Data 分析的基本框架：线性
模型之单变量模型
（5）动态线性模型（Dynamic linear Models）， 该模型同样又包含固定效应自回归模型（通常 用LSDV估计、Within估计、IV估计法估计参 数）、动态误差成分模型（λ-类估计、IV估计、 GMM估计和最大似然估计等方法估计参数）以 及带有异方差的动态线性模型（联合估计 、组 均值估计和截面估计等方法估计参数，并检验 异方差性），成为近来Panel Data单位根和协整 理论发展的基础。
Panel Data 分析的基本框架：线性
模型之单变量模型
（3）随机系数模型(Random Coefficient Models)： 即模型自变量的系数可能包含时间效应或个体 效应，再加上一个随机数，系数通常用抽样方 法或者贝叶斯方法来估计。 （4）带有随机自变量的线性模型(Linear models with random regressiors)：通常用工具变量估计 （IV估计）和GMM估计。同时，利用工具变量 可以对相关的特定效应模型(the Correlated Specific Effect Models)估计，并对随机变量与特 定效应之间的相关性进行检验。
平行数据分析的优点和限制 因素
（2）面板数据能够提供更多信息、更多变化性、更少共线性、更 多自由度和更高效率。反观时间序列经常受多重共线性的困扰。 （3）面板数据能够更好地研究动态调节，横截面分布看上去相对 稳定但却隐藏了许多变化，面板数据由于包含较长时间，能够弄清 诸如经济政策变化对失业状况的影响等问题。 （4）面板数据能更好地识别和度量纯时间序列和纯横截面数据所 不能发现的影响因素。 （5）相对于纯横截面和纯时间序列数据而言，面板数据能够构造 和检验更复杂的行为模型。 （6）通常，面板数据可以收集到更准确的微观单位（个人、企业、 家庭）的情况。由此得到的总体数据可以消去测量误差的影响。
平行数据分析的优点和限制 因素
目前仍然存在的一些需要解决的问题： （1）设计和收集数据困难：同普通数据收集和管理 一样，Panel Data也面临着设计不完整、无回答、核 准、多次访问、访问间隔、对比参照期等问题。 （2）存在测量误差：由于不清楚的回答、记忆错误 等带来的测量误差给Panel Data应用带来很大困难。 （3）存在选择性困难：主要指自选择无回答和磨损 （样本丢失）。 （4）时间序列较短：由于收集数据时间跨度较短， 为了满足渐近理论，就要求样本数量趋向于无穷。
平行数据分析的优点和限制 因素
Panel Data的 作用 （1）控制个体行为差异： Panel Data数据库显示个体（包括个人、 企业、地区或国家）之间存在差异，而单独的时间序列和横截面不 能有效反映这种差异。如果只是简单使用时间序列和横截面分析就 可能获得有偏结果。此外，Panel Data分析能够控制在时间序列和 横截面研究中不能控制的涉及地区和时间为常数的情况。也就是说， 当个体在时间或地区分布中存在着常数的变量（例如受教育程度、 电视广告等）时，如果在模型中不考虑这些变量，有可能会得到有 偏结果。Panel Data分析能够控制时间或地区分布中的恒变量，而 普通时间序列和横截面研究中则不能。
计量经济学：平行数据分析
平行数据分析
平行数据分析的一般问题 平行数据分析的基本框架 平行数据分析模型
平行数据分析的一般问题
为什么引入平行数据分析 平行数据的含义 平行数据研究的应用和发展 平行数据分析的优点和限制因素
为什么引入平行数据分析
经典线性计量经济学模型中利用的数据有两个 特征：1.或只用截面数据，或只用时间序列数据； 2.作为被解释变量的样本观测值必须是连续的， 且与随机误差项同分布。而实际上，只用截面 或时间序列数据常常不能满足分析需要，并且 数据常常是不连续的。正是由于经典线性计量 经济学模型的这些不足，计量经济学家们才研 究了运用平行数据进行分析的方法。
Panel Data 分析的基本框架
线性模型 非线性模型
Panel Data 分析的基本框架：线性模 型
线性模型： （1）单变量模型 （2）联立方程模型 （3）带测量误差模型 （4）伪Panel Data
Panel Data 分析的基本框架：线性
模型之单变量模型
（1） 固定效应和固定系数模型（Fixed Effect Models and Fixed Coefficient Models）：通常采用OLS估计。固 定效应包括时间效应以及时间和个体效应，并可以进一 步放宽条件，允许在有异方差、自相关性和等相关矩阵 块情况下，用GLS估计。 （2）误差成分模型（Error Components Models）：最 常用的Panel Data模型。针对不同情况，通常可以用OLS 估计、GLS估计、内部估计（Within Estimator）和FGLS 估计，并检验误差成分中的个体效应以及个体和时间效 应，同时将自相关和异方差情况也纳入该模型框架中。
平行数据研究的发展和应用
目前，世界上已经成立了专门研究 Panel Data 的协会， 每两年举办一次全球性的Panel Data 学术交流大会。第 九届国际Panel Data会议于2000年6月22-23日在日内瓦大 学举行，入会者均是从事Panel Data研究的经济学家、经 济计量学家、统计学家和社会学家。大会强调除了在经 济计量学中以外，要扩展Panel Data的应用领域，以期发 现Panel Data分析的新方法和新的应用领域，特别强调 Panel Data在社会科学、医学和金融学这三个领域的应用。
Panel Data 分析的基本框架：非线性 模型
非线性模型 （1）logit和probit模型 （2）非线性潜在变量模型 （3）生存模型 （4）点过程 （5）处理Panel Data数据不完整而带来的选择偏差问题 （6）GMM估计方法的使用和对非线性模型进行特殊检 验 （7）借助Gibbs抽样
平行数据的含义
所谓平行数据，是指在时间序列上取多个 截面，在这些截面上同时选取样本观测值 所构成的样本数据。 面板数据是同时在时间和截面空间上取得 的二维数据。从横截面上看，是由若干个 体在某一时刻构成的截面观测值，从纵剖 面上看是一个时间序列。
平行数据研究的应用和发展
最早是Mundlak（1961）、Balestra和 Nerlove （1966）把Panel Data引入到经济计量中。从此 以后，大量关于Panel Data的分析方法、研究文 章如雨后春笋般出现在经济学、管理学、社会 学、心理学等领域。从1990年到目前为止，已 有近1000篇有关 Panel Data理论性和应用性的文 章发表，Panel Data 研究成为近十年来经济计量 学的一个热点。
平行数据的含义
Panel Data 的含义：Panel Data（或者time series and cross section data 、 Longitudinal Data ） 可 译成“板面数据”、“时空数据”、“平行数 据”、“时间序列截面数据”，按照比较权威 的理解，是用来描述一个总体中给定样本在一 段时间的情况，并对样本中每一个样本单位都 进行多重观察。 这种多重观察既包括对样本单位在某一时期 （时点）上多个特性进行观察，也包括对该样 本单位的这些特性在一段时间的连续观察，连 续观察将得到数据集称为板面数据。
Panel Data 分析的基本框架：线性
模型之其它类型模型
伪Panel Data：伪Panel Data是指重复抽自 一个横截面所构成的数据集，对伪Panel Data研究包括伪Panel Data的识别和估计。 除此之外，还有一些源自文库殊问题如误差成分 模型形式选择，豪斯曼（Hausman）特定 检验，异方差问题等到处理。
Panel Data 分析的基本框架：非线性模 型
GMM估计方法使用和对非线性模型进行 特殊检验：包括使用GMM方法估计泊松 模型、非均衡Panel Data和对Panel Probit利 用Ward、LM、Hausman方法进行检验。 借助Gibbs抽样：利用MCMC方法对Panel Data 模型进行推断，主要是针对带随机效 应高斯模型和带随机效应的Panel Probit模 型。