第11 章短面板111 面板数据的特点面板数据(panel data 或 .PDF

© 陈强，《计量经济学及Stata 应用》，2014 年。请勿上传或散发。 第 11 章 短 面 板 11.1 面板数据的特点 面板数据(panel data 或longitudinal data，也译为“平行 数据”) ，指的是在一段时间内跟踪同一组个体(individual) 的数据。 它既有横截面维度(n 个个体) ，又有时间维度(T 个时期) 。 一个T 3 的面板数据结构如表11.1。 表11.1 面板数据的结构(长形排列) y x1 x2 x3 Individual 1: t = 1 Individual 1: t = 2 Individual 1: t = 3  Individual n: t = 1 Individual n: t = 2 Individual n: t = 3 2 在面板模型中，如果解释变量包含被解释变量的滞后 值，则称为“动态面板”(dynamic panel) ；反之，则称 为“静态面板”(static panel) 。 我们仅关注静态面板。 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“平衡面板数据”(balanced panel)；反之， 则称为“非平衡面板数据”(unbalanced panel) 。 3 面板数据的主要优点如下。 (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)造成的，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 有横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。 4 例 考虑如何区分规模效应与技术进步对企业生产效率 的影响。对于截面数据来说，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。 例 对于失业问题，截面数据能告诉我们在某个时点上 哪些人失业，而时间序列数据能告诉我们某个人就业与 失业的历史，但这两种数据均无法告诉我们是否失业的 总是同一批人(意味着低流转率，low turnover rate)，还 是失业的人群总在变动(意味着高流转率，high turnover rate) 。如果有面板数据，就可能解决上述问题。 5 (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，从而可以提高估计的精 确度。 面板数据也会带来一些问题，比如，样本数据通常不满 足独立同分布的假定，因为同一个体在不同期的扰动项 一般存在自相关。 面板数据的收集成本通常较高，不易获得。 6 11.2 面板数据的估计策略 估计面板数据的一个极端策略是将其看成是截面数据而 进行混合回归(pooled regression)，即要求样本中每个个 体都拥有完全相同的回归方程。 缺点：忽略个体的共性，可能没有足够大的样本容量。 另一极端策略：为每位个体估计一个单独的回归方程。 缺点：忽略了个体间不可观测或被遗漏的异质性 (heterogeneity)，而该异质性可能与解释变量相关从而导 致估计不一致。 7 实践中常采用折衷的估计策略，即假定个体的回归方