vlambda博客
学习文章列表

1

简介

面板数据是非常常见的数据类型，尤其是在经济、金融的研究中，面板数据、时间序列数据的相关模型，得到了极大地发展和广泛的应用。推荐阅读：

面板数据，简言之是时间序列和截面数据的混合。严格地讲是指对一组个体（如居民、国家、公司等）连续观察多期得到的资料。所以很多时候我们也称其为“追踪资料”。近年来，由于面板数据资料获得变得相对容易，使得其应用范围也不断扩大。采用面板数据模型进行分析的主要目的在于两个方向：一是控制不可观测的个体异质性，包含两个方面：一是由于民族习惯、风俗文化而形成的、不随着时间移动而改变的个体效应。二是在特定年份而出现的时间效应；二是描述和分析动态调整过程，处理误差成分。使模型包含的信息量更大，降低了变量间共线性的可能性，增加了自由度和估计的有效性。

面板数据，即Panel Data，是截面数据与时间序列综合起来的一种数据资源。在分析时,多用PanelData模型,故也被称为面板数据模型。它可以用于分析各样本在时间序列上组成的数据的特征,它能够综合利用样本信息,通过模型中的参数,既可以分析个体之间的差异情况，又可以描述个体的动态变化特征。

面板数据基本上可以认为是同一个截面的观测样本在不同时间节点的重复测量和记录；或者同样也可以认为是若干个结构、记录时间、记录选项相同的时间序列数据的复合结构。因此，在针对面板数据进行分析时候，通常可以使用截面数据的一些方法，同样也可以使用时间序列的一些方法。方法之间的共通性在这一“混合”类型的数据中体现的还是十分明显的。

2

面板数据R语言操作

利用plm包进行普通的面板数据分析.plm包中用于面板数据分析的函数为plm()，它的参数设置为:

语法格式为：

3

面板数据R语言操作

1、数据介绍：

Produc

相关数据来源于：Munnell A (1990). “Why Has Productivity Growth Declined? Productivity and Public Investment.” New England Economic Review, 3–22.

2、个体固定效应的面板数据分析，模型代码为：

# 个体固定效应的面板数据分析fm <-log(gsp)~log(pcap)+log(pc)+log(emp)plm.results = plm(fm,data=Produc,index=c("state","year"),effect="individual",model="within")summary(plm.results)

结果为：

3、混合效应的面板数据分析，模型代码为：

4、随机效应的面板数据分析，模型代码为：