來源：計量經(jīng)濟學服務中心綜合整理

轉載請注明來源

面板數(shù)據(jù)是非常常見的數(shù)據(jù)類型，尤其是在經(jīng)濟、金融的研究中，面板數(shù)據(jù)、時間序列數(shù)據(jù)的相關模型，得到了極大地發(fā)展和廣泛的應用。推薦閱讀：面板數(shù)據(jù)（Panel Data）匯總

面板數(shù)據(jù)，簡言之是時間序列和截面數(shù)據(jù)的混合。嚴格地講是指對一組個體（如居民、國家、公司等）連續(xù)觀察多期得到的資料。所以很多時候我們也稱其為“追蹤資料”。近年來，由于面板數(shù)據(jù)資料獲得變得相對容易，使得其應用范圍也不斷擴大。采用面板數(shù)據(jù)模型進行分析的主要目的在于兩個方向：一是控制不可觀測的個體異質性，包含兩個方面：一是由于民族習慣、風俗文化而形成的、不隨著時間移動而改變的個體效應。二是在特定年份而出現(xiàn)的時間效應；二是描述和分析動態(tài)調整過程，處理誤差成分。使模型包含的信息量更大，降低了變量間共線性的可能性，增加了自由度和估計的有效性。

面板數(shù)據(jù)，即Panel Data，是截面數(shù)據(jù)與時間序列綜合起來的一種數(shù)據(jù)資源。 在分析時,多用PanelData模型,故也被稱為面板數(shù)據(jù)模型。 它可以用于分析各樣本在時間序列上組成的數(shù)據(jù)的特征,它能夠綜合利用樣本信息,通過模型中的參數(shù),既可以分析個體之間的差異情況，又可以描述個體的動態(tài)變化特征。

面板數(shù)據(jù)基本上可以認為是同一個截面的觀測樣本在不同時間節(jié)點的重復測量和記錄；或者同樣也可以認為是若干個結構、記錄時間、記錄選項相同的時間序列數(shù)據(jù)的復合結構。因此，在針對面板數(shù)據(jù)進行分析時候，通?？梢允褂媒孛鏀?shù)據(jù)的一些方法，同樣也可以使用時間序列的一些方法。方法之間的共通性在這一“混合”類型的數(shù)據(jù)中體現(xiàn)的還是十分明顯的。

以下都是常用面板命令，不作詳細解釋。

    xtset        Declare a dataset to be panel data

        xtdescribe   Describe pattern of xt data

        xtsum        Summarize xt data

        xttab        Tabulate xt data

        xtdata       Faster specification searches with xt data

        xtline       Line plots with xt data

        xtreg        Fixed-, between- and random-effects, and population-averaged linear models

        xtregar      Fixed- and random-effects linear models with an AR(1) disturbance

        xtmixed      Multilevel mixed-effects linear regression

        xtgls        Panel-data models using GLS

        xtpcse       OLS or Prais-Winsten models with panel-corrected standard errors

        xthtaylor    Hausman-Taylor estimator for error-components models

        xtfrontier   Stochastic frontier models for panel data

        xtrc         Random coefficients models

        xtivreg      Instrumental variables and two-stage least squares for panel-data models

        xtunitroot   Panel-data unit-root tests

        xtabond      Arellano-Bond linear dynamic panel-data estimator

        xtdpdsys     Arellano-Bond/Blundell-Bond estimation

        xtdpd        Linear dynamic panel-data estimation

        xttobit      Random-effects tobit models

        xtintreg     Random-effects interval-data regression models

        xtlogit      Fixed-effects, random-effects, & population-averaged logit models

        xtprobit     Random-effects and population-averaged probit models

        xtcloglog    Random-effects and population-averaged cloglog models

        xtpoisson    Fixed-effects, random-effects, & population-averaged Poisson models

        xtnbreg      Fixed-effects, random-effects, & population-averaged negative binomial models

        xtmelogit    Multilevel mixed-effects logistic regression

        xtmepoisson  Multilevel mixed-effects Poisson regression

        xtgee        Population-averaged panel-data models using GEE

模型設定過程中最為關鍵同時也是最難的一步，在這方面功力的提高還需要大量的實踐經(jīng)驗和對理論的深入理解。

1）檢驗個體效應的顯著性。我們做固定效應模型時，F(xiàn)檢驗表明固定效應模型由于混合OLS模型。下面我們說明如何檢驗隨機效應是否顯著，命令為：xttest0。若P 值為0.0000，表明隨機效應非常顯著。

2）Hausman檢驗。具體步驟為：

step1：估計固定效應模型，存儲估計結果；

step2：估計隨機效應模型，存儲估計結果；

step3：進行Hausman檢驗；

命令為：

xtreg  GDP FDI EX IM, fe /*step1*/

eststore fe

xtreg GDP FDI EX IM, re /*step2*/

eststore re

hausman fe  re/*step3*/

eststore 的作用在于把估計結果存儲到名稱為fe，re的臨時性文件中。然后我們就可以根據(jù)Hausman檢驗的值進行模型的選擇了。注意Hausman檢驗需要將fe放在re前面。

對于面板數(shù)據(jù)，如果觀測到被解釋變量隨時間而改變，則開啟了動態(tài)面板對參數(shù)估計的可能性。動態(tài)面板模型設定了一個個體的被解釋變量部分取決于前一期的值。當被解釋變量的滯后一期或者多期出現(xiàn)在解釋變量中。

對于短面板數(shù)據(jù)來說，需要研究短面板的固定效應模型估計，使用一階差分消除固定效應。通過解釋變量的適當滯后期作為工具變量對一階差分模型中的參數(shù)進行IV估計可以得到一致估計量。但是Stata有一些固定的命令，可以直接進行動態(tài)面板估計。如：xtabond、xtdpdsys、xtdpd。以上這些命令使得模型更加容易估計，同時也提供了相關的一些檢驗。