横截面数据时间序列数据面板数据

1、横截面数据、时间序列数据、面板数据横截面数据：（时间固定）横截面数据是在同一时间，不同统计单位相同统讣指标组成的数据列。横截面数据是按照统讣单位排列的。因此，横截面数据不要求统讣对象及其范围相同，但要求统计的时间相同。也就是说必须是同一时间截面上的数据。如：名称涨幅浦发银行-2.72白云机场-1.00武钢股份7.44东风汽车-0.98中国国贸-1.33首创股份-2.92上海机场-0.56包钢股份-1.48华能国际-1.94时间序列数据：（横坐标为t,纵坐标为y）在不同时间点上收集到的数据， 这类数据反映某一事物、 现象等随时间 的变化状态或程度。如：面板数据：（横坐标为t,斜坐标为y,纵坐标为

2、z）是截面数据与时间序列数据综合起来的一种数据类型。其有时间序列和截面卩叽当这类数据按两个维度排列时，是排在一个平面习,口只有一个维 度的数据排在一条线上有着明显的不同， 整个表格像是一个面板,所以把panel data译作“面板数据”o举例：如：城市名：北京、上海、重庆、天津的GDP分别为10、11、9、8（单 位亿元）。这就是截面数据，在一个时间点处切开，看各个城市的不同就是截面数 据。如：2000、2001、2002、2003、2004各年的北京市GDP分别为8、9、10、11、12（单位亿元）。这就是时间序列，选一个城市，看各个样本时间点的不同就 是时间序列。如：2000、2001、2

3、002、2003、2004各年中国所有直辖市的GDP分别为：北京市分别为8、9、10、11、12；上海市分别为9、10、11、12、13；天津市分别为5、6、7、8、9；重庆市分别为7、8、9、10、11（单位亿元）。这就是面板数据。城2000200120022003北京1453上海2436重庆2135天津4537在写论文时经常碰见一些即是时间序列乂是截面的数据，比如分析1999-2010的公司盈余管理影响因素，而影响盈余管理的因素有6个，那么会形成如下图的数据公司1公司2公司100因素1因素6盈余管理程度因素1因素6盈余管理程度因素1因素6199920002010如上图所示的数据即为面板数据

4、。而时间序 列数据和截面数据都是二维的，把面板数据半成时间序列数据或者截面数据来处理 都是不合适的。处理面板数据的软件较多，一般使用Eviews6.0, Stata等。个人推荐 使用Stata,因为Stata比较适合处理面板数据，且个性化强。以下以Statall.O为例来讲解怎么样处理面板数据。山于面板数据的存储结构与我们通常使用的存储结构不太一样，所在统讣分析询，最好在excel中整理一下数据，形成如下图所示的数据年份公司名称因素1因素2因素6盈余管理程度1999公司12000公司1公司12010公司11999公司22000公司2公司22010公司2变量定义及输入数据启动Statall.O,

5、 Stata界面有4个组成部分，Review（在左上角） 、Variables（左下角）、输出窗口（在右上角）、Command（右下角）。首先定义变 量，可以输入命令，也可以通过点击Data-Create new Variable or changevariableo特别注意，这里要定义的变量除了因素1、因素2、因素6、盈余管理 影响程度等，还要定义年份和公司名称两个变量，这两个变量的数据类型（Type）最好设置为int（整型），公司名称不要使用中文名称或者字母等，用数字代替。 定义好变量之后可以输入数据了。数据可以直接导入（File-Import），也可以手 工录入或者复制粘贴（Data-D

6、ata Edit （Browse）,手工录入数据和在excel中的 操作一样。以上面说的为例，定义变量year、company factor factor2 factor3 factor4factoro factor6 DA。变量company和year分别为截面变量和时间变量。显然，通过这两个变量我 们可以非常清楚地确定panel data的数据存储格式。因此，在使用STATA估计模 型之前， 我们必须告诉它截面变量和时间变量分别是什么， 所用的命令为tsset,命令为：tsset company year输出窗口将输出相应结果。III于面板数据本身兼具截面数据和时间序列二者的特性，所以对时

7、间序列进 行操作的运算同样可以应用到面板数据身上。这一点在处理某些数据时显得非常方 便。如，对于上述数据，我们想产生一个新的变量Lag _factorl，也就是factorl的一阶滞后，那么我们可以采用如下命令：gen Lag_factorl=L. factorl统计描述：在正式进行模型的估讣之前，我们必须对样本的基本分布特性有一个总体的了解。对于面板数据而言， 我们至少要知道我们的数据中有多少个截面 （个体） ， 每个截 面上有多少个观察期间，整个数据结构是平行的还是非平行的。进一步地，我们还 要知道主要变量的样本均值、标准差、最大值、最小值等情况。这些都可以通过以 下三个命令来完成：xtd

8、es命令用于初步了解数据的大体分布状况，我们可以知 道数据中含有多少个截面，最大和最小的时间跨度是多少。在某些要求使用平行面 板数据的情况下，我们可以采用该命令来诊断处理后的数据是否为平行数据。Xtsum用来查询对组内、组间、整体计算各个变量的基本统计量（如均值、方差 等）。为了方便，以下的举例都只用factorl, factor2两个自变量。xtdes DA factorl facto2 xtsum DA factorl facto2模型回归。常用的处理面板数据的模型有混合OLS模型、固定效应模型、随机效应模型。各个模型的区别请上网查查。下面说说各个模型的命令：混合OLS模型输入命令：reg

9、ress DA factorl facto2固定效应模型输入命令：xtreg DA factorl factor , fe随机效应模型输入命令：xtreg DA factorl factor , re模型的选择及检验固定效应模型要检验个体效应的显著性，这可以通过固定效应模型回归结果的最后一行的F统计量看出，F越大越好， 可以得出固定效应模型优于混合OLS模 型的结论。随机效应模型要检验随机效应是否显著，要输入命令：xttestO如果检验得到的P值为0,则随机效应显著，随机效应模型也优于固定效应模型。至于固定效应模型与随机效应模型选哪一个，则要通过hausman检验来得出。Hausman检验Ha

10、usman检验的原假设是固定效应模型优于随机效应模型，如果hausman检验 的P值为0,则接受原假设，使用固定效应模型。相关命令：qui xtreg DA factorl factor2 , fe est store fe qui xtreg DA factorl factor2 ,re est store re hausman fe检验序列相关固定效应模型使用xtserial命令，随机效应模型使用xttestl命令：qui xtreg DA factorl factor2 , rexttestl.对于随机效应模型xtserial DA factorl factor2如果没有xtserial命令即输入上面的命令后弹出no command,则输入finditxtserial.