具体描述
面板数据模型日益受到应用研究人员的欢迎，因为与横截面数据模型和时序数据模型相比，面板数据模型描述人类行为复杂性的能力更加突出。因此，越来越多且内容更丰富的面板数据集也日益增多。《面板数据分析(第2版)》由萧政所著，1986年的第一版取得了非常大的成功，本书在第一版的基础上进行了重大修订。面板数据研究中的近期进展都以非常严谨而又友好的方式呈现在本书中，并与原有内容有机地结合成一个整体。严谨的理论分析与合理引用的实证案例使得《面板数据分析(第2版)》对经济、商业、社会学、政治学等领域的研究生和高级研究人员非常有帮助。第二版的具体修订包括对Bayes方法和严格外生性概念（为将各种模型的识别联系起来，估计量在广义矩法框架下表示）的介绍，直观解释估计离散选择模型的半参数方法和面板数据样本选择模型估计的配对修整方法，等等。
作者简介
萧政（Cheng Hsiao），是南加州大学经济学教授。他的《面板数据分析》已成为经济学文献中对面板数据的标准介绍。萧教授还与M．Intriligator和R．Bodkin合著了《经济计量模型、技术和应用》（第二版）（Econometric Models，Techniques， and Applications， Second Edition， Prentice HaLl.， 1996），与K. Lahiri， L.F.Lee和M.H.Pesaran合作主编了《面板与受限因变量模型分析》（Analysis of Panels and Limited Dependent Variable Models，Cambridge University Press，1999），与K. Morimune和J．L. Powell合作主编了《非线性统计推断》（Nnlinear Statistical Inference， Cambridge University Press，2001）。他还是计量经济学会（Econometric Society）会员以及《计量经济学杂志》（Journal of Econometrics）的联合主编和会员。
目录信息
1．1 面板数据的优点
1．2 使用面板数据时的问题
1．3 全书内容提要
第2章 协方差分析
2．1 引言
2．2 协方差分析
2．3 案例
第3章 简单变截距回归模型
3．1 引言
3．2 固定效应模型：最小二乘虚拟变量法
3．3 随机效应模型：方差成分模型的估计
3．4 固定效应还是随机效应
3．5 误设检验
3．6 包含特异变量以及个体和时间特异效应项的模型
3．7 异方差
3．8 误差项序列相关的模型
3．9 任意误差结构的模型——Chamberlainπ法
附录3A 最小距离估计量的一致性和渐近正态性
附录3B 三成分模型的方差一协方差矩阵的特征向量和逆
第4章 变截距动态模型
4．1 引言
4．2 协方差估计量
4．3 随机效应模型
4．4 案例
4．5 固定效应模型
4．6 残差任意相关时动态模型的估计
4．7 固定效应向量自回归模型
附录4A 可行MDE的渐近协方差矩阵的推导
第5章 联立方程模型
5．1 引言
5．2 联合广义最小二乘估计技术
5．3 结构方程的估计
5．4 三角形方程组
附录5A
第6章 变系数模型
6．1 引言
6．2 系数随横截面单元变化
6．3 系数随时期和横截面单元变化
6．4 随时间演化的系数
6．5 系数是其他外生变量的函数
6．6 固定系数和随机系数的混合模型
6．7 动态随机系数模型
6．8 案例——流动性限制和企业投资支出
附录6A 两个正态分布的联合分布
第7章 离散数据
7．1 引言
7．2 常见的离散响应模型
7．3 估计包含异质项的静态模型的参数方法
7．4 估计静态模型的半参数方法
7．5 动态模型
第8章 断尾和截取数据
8．1 引言
8．2 案例——非随机缺失数据
8．3 包含随机个体效应项的Tobit模型
8．4 固定效应估计量
8．5 案例：住房支出
8．6 动态Tobit模型
第9章 不完全面板数据
9．1 短面板分布滞后模型的估计
9．2 轮换或随机缺失数据
9．3 伪面板(或重复横截面数据)
9．4 单个横截面数据集和单个时序数据集的混合
第10章 前沿问题
10．1 模拟方法
10．2 具有大N和大T的面板
10．3 单位根检验
10．4 多层结构的数据
10．5 测量误差
10．6 对横截面相依的建模
第11章 全书概略
11．1 引言
11．2 面板数据的优点和局限性
11．3 估计的效率
注释
参考文献
译后记
· · · · · · (收起)
读后感
这本书可以说是面板数据领域最权威的教材，试看国内所发表的关于面板数据的论文，绝大部分都是用本书的理论去做实证，而且思路、过程等均照搬本书。可惜本书有一定的难度，国内文章一般都只用到本书前三章的内容，对于后面动态面板、变系数面板等，大部分人都看不懂，也不会用...
这本书可以说是面板数据领域最权威的教材，试看国内所发表的关于面板数据的论文，绝大部分都是用本书的理论去做实证，而且思路、过程等均照搬本书。可惜本书有一定的难度，国内文章一般都只用到本书前三章的内容，对于后面动态面板、变系数面板等，大部分人都看不懂，也不会用...
这本书可以说是面板数据领域最权威的教材，试看国内所发表的关于面板数据的论文，绝大部分都是用本书的理论去做实证，而且思路、过程等均照搬本书。可惜本书有一定的难度，国内文章一般都只用到本书前三章的内容，对于后面动态面板、变系数面板等，大部分人都看不懂，也不会用...
这本书可以说是面板数据领域最权威的教材，试看国内所发表的关于面板数据的论文，绝大部分都是用本书的理论去做实证，而且思路、过程等均照搬本书。可惜本书有一定的难度，国内文章一般都只用到本书前三章的内容，对于后面动态面板、变系数面板等，大部分人都看不懂，也不会用...
这本书可以说是面板数据领域最权威的教材，试看国内所发表的关于面板数据的论文，绝大部分都是用本书的理论去做实证，而且思路、过程等均照搬本书。可惜本书有一定的难度，国内文章一般都只用到本书前三章的内容，对于后面动态面板、变系数面板等，大部分人都看不懂，也不会用...
用户评价
这本书简直是统计学入门的救星！我一直对复杂的计量经济学模型望而却步，总觉得那些公式和假设晦涩难懂。然而，这本书的叙述方式极其生动，它没有上来就抛出一大堆复杂的数学推导，而是从最直观的例子入手，引导读者理解数据背后的经济学含义。比如，书中对固定效应模型的解释，简直是教科书级别的清晰，作者巧妙地将抽象的概念具象化，让我瞬间茅塞顿开。它不仅仅是理论的堆砌，更像是手把手教你如何搭建一个严谨的分析框架。特别是关于如何处理遗漏变量偏误的章节，提供了非常实用的操作建议，而不是停留在理论层面空谈。读完这部分内容，我感觉自己对面板数据的理解上升到了一个新的高度，不再是死记硬背公式，而是真正理解了背后的逻辑和应用场景。
对于我这种对“因果推断”有强烈兴趣的读者来说，这本书在方法论上的深度是无与伦比的。它不仅仅停留在传统的回归分析，而是花了大篇幅讲解了如何利用面板数据来更有效地识别因果关系。关于双重差分（DID）模型在面板数据结构下的应用，作者给出了非常细致的识别假设检验方法，这远超出了我之前阅读的任何一本书籍的深度。书中对平行趋势假设的讨论，不仅停留在概念层面，更提供了几种实用的替代检验方法，极大地增强了分析的稳健性。阅读这部分内容时，我感觉自己仿佛站在了计量经济学前沿，接触到了最前沿的研究方法论，这对于提升我未来研究的质量，无疑是具有决定性意义的。
老实说，我本来对手册类的书籍不太抱期望，总觉得内容会偏向于枯燥的软件操作说明。但这本让我刮目相看。它深入探讨了如何利用现代计量工具包来处理实际数据中的棘手问题，例如时间序列的自相关和异方差性。作者在介绍软件实现步骤时，措辞非常谨慎，总是会先解释为什么需要这个检验，以及结果的经济学解释应该是什么，而不是简单地罗列命令。这种“知其所以然”的教学方法，极大地提高了学习效率。我尤其欣赏它对非线性模型处理的详尽论述，这在很多入门教材中往往是一笔带过的内容。通过书中提供的案例，我学会了如何批判性地看待模型结果，避免陷入“过度拟合”的陷阱。对于希望从理论走向实践的科研工作者来说，这部分内容简直是黄金。
这本书的结构设计非常巧妙，它没有采用传统的按章节递进的方式，而是更像是一场循序渐进的思维导图构建过程。每一章的内容都像是为下一章做好了充分的铺垫，逻辑链条清晰得让人感到震撼。特别是关于模型选择的决策树部分，作者用流程图的形式清晰地展示了在不同数据特性下应该优先考虑哪些模型，这对于初学者来说是极大的便利，避免了在浩如烟海的模型中迷失方向。此外，作者对理论背景的梳理也做得非常到位，他没有回避那些经典的计量经济学争论，反而以一种中立、客观的态度呈现了不同学派的观点，鼓励读者形成自己的判断。这种开放式的讨论风格，让我感觉自己不是在一个被动接受知识，而是在参与一场高水平的学术对话。
这本书的行文风格非常平易近人，丝毫没有学术著作常见的那种傲慢和疏离感。作者仿佛是一位经验丰富、耐心十足的导师，总能预料到读者在学习过程中可能出现的困惑点，并提前给出解答。例如，在讨论数据清洗和预处理时，作者分享了一些他在实际研究中遇到的“坑”，比如异常值处理的多种策略及其利弊，这些“软知识”往往是课本上学不到的宝贵经验。更让我欣赏的是，书中对案例的选取非常贴近现实世界的复杂性，涉及的行业和领域非常广泛，这使得我可以轻易地将书中学到的工具映射到我自己的研究兴趣上。总体而言，这是一本兼具理论深度和实操指导性的优秀教材，能让你从容地驾驭面板数据分析的挑战。
昨天开始看的，8个小时，才看了30页。明明就完全是线性模型的东西，算矩阵算的头疼。 不读了，改换woodledge了 太难受了，不读了
仔细的看，越看越有味！
昨天开始看的，8个小时，才看了30页。明明就完全是线性模型的东西，算矩阵算的头疼。 不读了，改换woodledge了 太难受了，不读了
仔细的看，越看越有味！
仔细的看，越看越有味！
