面板数据（panel data）是包含多个个体，并且同一个体有一系列不同时间观测点的数据。相比于纯粹的横截面数据（只包含不同个体在一个时间点上的观测点）或者时间序列数据（只包含一个个体在不同时间点上的观测点），面板数据同时包括了横截面和时间序列两个维度上的数据：个体维度（i=1,2,…,N）和时间维度（t=1,2,…,T）。个体可以是个人、企业、行业或者国家；时间维度可以是年、月、日、时、分、秒。

举一个例子：

其中，ID代表个体(人)的识别号，YEAR 代表时间(年份)，INC 代表个人收入，EDU代表受教育程度，AGE代表年龄，GENDER代表性别。表中有2个个体，每个个体有3年的观测点。

然而，并不是所有同时包含个体和时间两个维度的数据都是面板数据。下面的表格是一个合并横截面数据(pooled cross-sectional dataset)。表中记录了3年的数据，每年有2个个体。该数据和上表的面板数据的差异在于，它并没有跟踪记录同一个个体。这些观测点可以属于不同的个体。这个数据结构可以理解为2017年、2018年和2019年3个年份横截面数据的简单合并，因此我们也称之为合并横截面数据。

合并横截面数据没有跟踪同一个个体，它只是多年横截面数据的简单叠加，因此相比面板数据，它的信息价值较低。

面板数据分类

1.短面板与长面板

通常在微观层面的研究中，面板数据的个体维度N比较大，时间维度T比较小。这样的面板数据称为“短面板”。例如，有些大型调查数据可能跟踪几百万人，但每5 年调查一次，20年数据的T也只有4。反之，如果数据的N很小，T很大，则称为“长面板”。例如，G7国家经济数据只包含7个国家但有上百年的数据。当然，有些数据的N比较大，T也较大，则称之为“大面板”。以上市企业的财务数据为例，其中包含几千家上市企业，平均每家企业有几十个季度的财务数据。

2.平衡面板与非平衡面板

在面板数据中，如果对于每个个体，它们都有相同时间T的观测点，我们称之为“平衡面板；反之，则称为“非平衡面板”。

树懒学咖移动端：“树懒学咖”公众号

树懒学咖PC端：

树懒学咖​www.slothlearning.com​www.slothlearning.com​www.slothlearning.com​www.slothlearning.com