分析的理论和实际应用发展综述.doc

(或者LongitudinalData)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中给定样本在一段时间的情况,并对样本中每一个样本单位都进行多重观察。这种多重观察既包括对样本单位在某一时期(时点)上多个特性进行观察,也包括对该样本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PanelData引入到经济计量中。从此以后,大量关于PanelData的分析方法、研究文章如雨后春笋般出现在经济学、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PanelData理论性和应用性的文章发表,PanelData研究成为近十年来经济计量学的一个热点。腿伴随着经济理论,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,PanelData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,它被大量应用于就业、家庭消费、入学、市场营销等领域。美国最著名的两个PanelData数据集,一个是俄亥俄大学的NLS数据集(theNationalLongitudinalSurveysofLaborMarketExperience);另一个是密西根大学的PSID数据集(theUniversityofMichigan’eDynamics)。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岁的成年男子、1966年14岁到24岁的青年男子、1967年30岁到44岁的成年女子、1968年14岁到24岁的青年女子、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。调查的变量有上千个,主要侧重了解劳动力市场上供给方的情况。PSID数据集由从1968年起直到现在所收集的6000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PanelData数据集主要是为了研究美国贫穷人口状况及其贫穷原因。除此之外,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。蒆目前,世界上已经成立了专门研究PanelData的协会,每两年举办一次全球性的PanelData学术交流大会。第九届国际PanelData会议于2000年6月22-23日在日内瓦大学举行,入会者均是从事PanelData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中以外,要扩展PanelData的应用领域,以期发现PanelData分析的新方法和新的应用领域,特别强调PanelData在社会科学、医学和金融学这三个领域的应用。:薇(1)控制个体行为差异。膅PanelData数据库显示个体(包括个人、企业、地区或国家)之间存在差异,而单独的时间序列和横截面不能有效反映这种差异。如果只是简单使用时间序列和横截面分析就可能获得有偏结果。此外,PanelData分析能够控制在时间序列和横截面研究中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中存在着常数的变量(例如受教育程度、电视广告等)时,如果在模型中不考虑这些变量,有可能会得到有偏结果。PanelData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。蚀(2)PanelData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。罿(3)PanelData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,PanelData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。莈(4)PanelData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。羃(5)相对于纯横截面和纯时间序列数据而言,PanelData能够构造和检验更复杂的行为模型。肄(6)通常,PanelData可以收集到更准确的微观单位(个人、企业、家庭)的情况。由此得到的总体数据可以消去测量误差的影响。荿尽管PanelData研究的理论和应用发展很快,但目前仍然存在一些问题需要解决:螆(1)设计和收集数据困难。羆同普通数据收集和管理一样,PanelDa