分析的理论和应用发展综述.docVIP

Panel Data分析的理论和应用发展综述 汪涛 饶海斌王丽娟 1?引 言 1 .1 Panel Data 的含义 Panel Data (或者Longitudinal Data)可译成“板面数据、“时空数据，按照比较权威的 理解，是用来描述一个总体屮给定样木在一段时间的情况，并对样木屮每一个样木单位祁进 行多重观察。这种多重观察既包括对样木单位在某一时期(时点)上多个特性进行观察，也 包括对该样木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。最早是 Mundlak (1961)、Balestra 和 Nerlove (1966)把 Panel Data 引入到经济计量中。 从此以示，大量关于Panel Data的分析方法、研究文章如雨后春笋般岀现在经济学、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。 伴随着经济理论，包括宏观经济理论和微观经济理论、计算机技术和统计方法的发展， Panel Data在经济学领域的应用逐渐被经济计量学家推广。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，它被大量应川于就业、 家庭消费、入学、市场营销等领域。美国最著名的两个Panel Data数据集，一个是俄亥俄 人学的 NLS 数据集(the National Longitudinal Surveys of Labor Market Experience)；另一 个是密西根大学的 PS ID 数据集(the University of Michigans Panel Study of Income Dynamics)o NLS数据集包括5个独立的与劳动力有关的板面数据集，这5个板面数据集的 主体包括1966年45岁到59岁的成年男了、1966年14岁到24岁的青年男了、1967年30 岁到44岁的成年女了、1968年14岁到24岁的青年女了、1979年14岁到21岁的男女青 年。前四个群体被连续(跟踪)？ ？观察了 15年，最后一个青年群体在被连续观察了 15 年后，又被继续观察了6年。调杳的变量有上千个，主要侧重了解劳动力市场上供给方的情 况。PSID数据集市从1968年起直到现在所收集的6(X)0个家庭和15000个人的5000多个变 量的数据构成，这5000多个变量涉及就业状态、收入、家庭资产、住房、上班交通工具、 汽车拥有等方面。收集这些Panel Data数据集主要是为了研究美国贫穷人口状况及其贫穷 原因。除此Z外，这些数据集还被用来监测和解释经济状态变化以及经济和社会状况对人们 生活的影响。 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 口在LI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屮以外，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 的作用 Panel Data分析的作用体现在： 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)Z间存在差异，而单独的 时间序列和横截血不能行效反映这种羌异。如果只是简单使用时间序列和横截面分析就可能 获得冇偏结果。此外，Panel Data分析能够控制在时间序列和横截面研究屮不能控制的涉及 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屮存在着常数的变量(例如 受教育稈度、电视广告等）时，如果在模型屮不考虑这些变量，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。 （2） Panel Data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） Panel Data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，Panel Data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） Panel Data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，Panel Data能够构造和检验更复杂的行 为模型。 （6） 通常,Panel Data可以收集到更准确的