动态gmm模型学习笔记1-数据类型

学习来源：横截面数据、时间序列数据、面板数据_CWS_chen的博客-CSDN博客_截面数据

从时空维度来看，可以将计量经济学中应用的数据氛围三类：横截面数据(cross-sectional data)、时间序列数据(time-series data)、面板数据(panel data)或纵向数据(longitudinal data)

1. 横截面数据(cross-sectional data)

        指在某一时点收集的不同对象的数据。

        强调同一时期，也称为静态数据。

        突出个体的差异，数据离散性高，通常表现的是无规律的而非真正的随机变化（即计量经济学中的“无法观测的异质性”）。

        注意问题：

        1）异方差问题：由于数据是在某一时期对个体或地域的样本的采集，不同个体或地域本身就存在差异；

        2）数据的一致性：主要包括变量的样本容量是否一致、样本的取样时间是否一致、数据的统计标准是否一致。

2. 时间序列数据(time-series data)

        指对同一对象在不同时间连续观察所取得的数据。

        突出研究对象在时间顺序上的变化，寻找对象历史发展的规律。

        注意问题：

        1）数据的一致性：所选取的样本区间内经济行为的一致性问题；

        2）数据的可比性：样本数据在不同样本点之间不可比，需要对原始数据进行调整，消除其不可比因素（比如gdp易受通胀因素影响，比较时需要除掉通胀影响，统一口径）；

        3）数据的集中性：样本观测值过于集中，因而时间序列数据不适宜于对模型中反映长期变化关系的结构参数的估计；

        4）模型随机误差的序列相关问题。

3. 面板数据(panel data)或纵向数据(longitudinal data)

        指截面数据与时间序列数据综合起来的一种数据资源。

        分析时常用面板数据模型PanelData模型。可用于分析各样本在时间序列上组成的数据的特征，能够综合利用样本信息，通过模型中的参数，既可以分析个体之间的差异情况，又可以描述个体的动态变化特征。

总结：

        截面数据：许多个体-同一时间

        时间序列数据：同一个体-时间变化

        面板数据：许多个体-时间变化

分析方法：

        截面数据：主要围绕统计个体区别，可用线性回归，主元分析等

        时间序列数据：主要围绕时间变化，可看总体趋势，季节性，周期性，ARIMA（自回归，滑动平均，差分）等

        面板数据：前两个的综合