面板数据分析简要步骤与注意事项（面板单位根—面板协整—回归分析）步骤一：分析数据的平稳性（单位根检验）按照正规程序，面板数据模型在回归前需检验数据的平稳性。
李子奈曾指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时，对这些数据进行回归，尽管有较高的R平方，但其结果是没有任何实际意义的。
这种情况称为称为虚假回归或伪回归（spurious regression）。
他认为平稳的真正含义是：一个时间序列剔除了不变的均值（可视为截距）和时间趋势以后，剩余的序列为零均值，同方差，即白噪声。
因此单位根检验时有三种检验模式：既有趋势又有截距、只有截距、以上都无。
因此为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的平稳性进行检验。
而检验数据平稳性最常用的办法就是单位根检验。
首先，我们可以先对面板序列绘制时序图，以粗略观测时序图中由各个观测值描出代表变量的折线是否含有趋势项和（或）截距项，从而为进一步的单位根检验的检验模式做准备。
单位根检验方法的文献综述：在非平稳的面板数据渐进过程中,LevinandLin(1993) 很早就发现这些估计量的极限分布是高斯分布,这些结果也被应用在有异方差的面板数据中,并建立了对面板单位根进行检验的早期版本。
后来经过Levin et al. (2002)的改进,提出了检验面板单位根的LLC 法。
Levin et al. (2002) 指出,该方法允许不同截距和时间趋势,异方差和高阶序列相关,适合于中等维度(时间序列介于25～250 之间,截面数介于10～250 之间) 的面板单位根检验。
Im et al. (1997) 还提出了检验面板单位根的IPS 法,但Breitung(2000) 发现IPS 法对限定性趋势的设定极为敏感,并提出了面板单位根检验的Breitung 法。
Maddala and Wu(1999)又提出了ADF-Fisher和PP-Fisher面板单位根检验方法。
第十四章 面板数据模型在第五章，当我们分析城镇居民的消费特征时，我们使用的是城镇居民消费和收入的时间序列数据，也就是说，我们的观测对象是城镇居民。
当我们分析农村居民的消费特征时，我们可以使用农村居民的时间序列数据，此时，我们的观测对象是农村居民。
但是，如果我们想要分析全体中国居民的消费特征呢？我们有两种选择：一是使用中国居民的时间序列数据进行分析，二是把城镇居民和农村居民这两个观测对象的时间序列数据合并为一个样本。
第二种选择中所使用的是由多个观测对象的时间序列数据所组成的样本数据，通常被称为面板数据（Panel Data ）。
或者被称为综列数据，意即综合了多个时间序列的数据。
当然，面板数据也可以看成多个横截面数据的综合。
在面板数据中，每一个观测对象，被称为一个个体（Individual ）。
例如城镇居民是一个观测个体，其消费记为1tC ，农村居民是另一个观测个体，其消费记为2tC，这样，itC (i=1,2)就组成了一个面板数据。
同理，收入itY （i=1,2）也是一个面板数据。
如果面板数据中各观测个体的观测区间和采样频率是相同的，我们就称其为平衡的面板数据，反之，则为非平衡的面板数据。
例如，表5.3.1中城镇居民和农村居民的样本数据具有相同的采样区间和频率，所以，它是一个平衡的面板数据。
基于面板数据所建立的计量经济学模型则被称为面板数据模型。
§14.1 面板数据模型一、两个例子1. 居民消费行为的面板数据分析让我们重新回到居民消费的例子。
在表5.1.1中，如果我们将城镇居民和农村居民的时间序列数据组成面板数据，以分析中国居民的消费特征。
那么，此时模型（5.1.1）的凯恩斯消费函数就可以表述为：itititY C10（14.1.1）ittiitu （14.1.2）其中：itC 和itY 分别表示第i个观测个体在第t 期的消费和收入。
i =1、2分别表示城镇居民和农村居民两个观测个体，t ＝1980、…、2008表示不同年度。
