面板数据回归_13.1.1 面板数据的概念及优势.pdf

对外经济贸易大学 计量经济学 I n t r o d u c t i o n t o E c o n o m e t r i c s 导论 面板数据的概念及优势 面板数据的概念及其优势 面板数据包括多个个体（个人，州，公司…）的观 察值, 其中每个个体有两期或者两期以上的观察值。 例如: 01 1999和2000年，加州420个学区的面板数据， 一共包含840个观察值。 02 中国31个省级行政区（不包括港澳台）的2015- 2018年的年度数据，每个省有4年的观察值。 03 1000个个体4个月的月度数据，一共有4000个观察值。 面板数据的概念 面板数据有横截面和时间两个维度，N个横截面 个体、 T个观测时期，若N远大于T，称之为短面 板，本章只讨论短面板。 我们通常用双重下标来区分个体和时期， 样本个体表示为 面板数据的概念及其优势 01 i = 个体，i = 1,…,n ，其中n 为总的个体数目 02 t = 时期，t =1,…,T ，其中T 为总的时期长度 11 21 ⋯ 1 12 22 ⋯ 2 ⋮ ⋮ ⋮ ⋮ 1 2 ⋯ 面板数据的符号 如果数据集包含了变量x 和y ，那么该数据可以表示为 (x , y ), i = 1,…,n, t = 1,…,T it it 01 面板数据又称为纵列数据(longitudinal data) 02 平衡面板（balanced panel）: 全部变量的所有个 体和时期的数据都能观察到，没有数据缺失。 03 伪面板数据：独立混合横截面，每一期所包 含的个体不一样。 面板数据有何优势？ 面板数据可以控制一些因素： 01 随个体变化但不随时间变化 02 可能造成遗漏变量偏差（遗漏变量偏差） 03 不可观测 面板数据有何优势？ 主要思想： 如果模型中遗漏了一个不随时间变化的变量， 那么该变量不可能是导致y 随时间变化的因素。 面板数据实例： 交通事故死亡人数和酒精税 数据结构： 美国的48个州，n = 48 1982– 1988，7年的数据, T= 7 平衡面板，总的观察值个数 = 7 ×48 = 336 面板数据实例： 交通事故死亡人数和酒精税 变量: 交通死亡率 (每州每年的每万人死亡人数) 啤酒税 其他（法定驾驶年龄，酒驾的法律规定，等等） 1982年美国交通事故死亡数据: 啤酒税越高，交通事故死亡人数越多？ 为什么啤酒税越高的州交通事故 死亡人数越多？ 其他影响交通事故死亡率的因素： 01 汽车质量（年份） 02 道路状况 03 关于酒驾的“文化” 04 路上的汽车密度 可能存在遗漏变量偏差 例1:交通密度。 1 .高的交通密度意味着更多的交通死亡 2 . 交通密度高的州通常酒精税也高 产生遗漏变量偏差的两个条件都满足了。 具体地，“高税收”可能是“高的交通密度” 的反映。OLS估计量的系数可能偏高高 税收导致高死亡率。 可能存在遗漏变量偏差 例1:交通密度。 1 .高的交通密度意味着更多的交通死亡 2 . 交通密度高的州通常酒精税也高 如果漏掉的变量在州内不随时间变化， 则面板数据可