面板數據檢驗結果看哪些指標

1. 面板數據要不要進行內生性檢驗、穩健性檢驗

面板數據回歸後，穩健性檢驗一定要做。

穩健性檢驗的方法：從數據出發，根據不同的標准調整分類，檢驗結果是否依然顯著；從變數出發，從其他的變數替換，如：公司size可以用totalassets衡量，也可以用totalsales衡量從計量方法出發，可以用OLS，FIXEFFECT，GMM等來回歸，看結果是否依然robust。

穩健性檢驗

考察的是評價方法和指標解釋能力的強壯性，也就是當改變某些參數時，評價方法和指標是否仍然對評價結果保持一個比較一致、穩定的解釋。通俗些，就是改變某個特定的參數，進行重復的實驗，來觀察實證結果是否隨著參數設定的改變而發生變化，如果改變參數設定以後，結果發現符號和顯著性發生了改變，說明不是穩健性的，需要尋找問題的所在。

以上內容參考：網路-穩健性檢驗

2. 鍦ㄦ瘮綾葷洰鐨勯潰鏉誇笅鑳芥樉紺哄摢浜涙寚鏍

闈㈡澘鏁版嵁妯″瀷鐢ㄤ簬鍒嗘瀽闈㈡澘鏁版嵁涓鍚勮嚜鍙橀噺X瀵瑰洜鍙橀噺Y鐨勫獎鍝嶃

甯歌佺殑鏁版嵁褰㈠紡鏈夋椂闂村簭鍒楁暟鎹錛圱ime series data錛夛紝鎴闈㈡暟鎹錛圕ross-sectional data錛夊拰闈㈡澘鏁版嵁錛圥anel data錛夈備粠緇村害鏉ョ湅錛屾椂闂村簭鍒楁暟鎹鍜屾埅闈㈡暟鎹鍧囦負涓緇淬傞潰鏉挎暟鎹鍙浠ョ湅鍋氫負鏃墮棿搴忓垪涓庢埅闈㈡販鍚堟暟鎹錛屾槸鎴闈涓婁釜浣撳湪涓嶅悓鏃剁偣閲嶅嶈傛祴鏁版嵁錛屽洜姝ゅ畠鏄浜岀淮鏁版嵁銆

鎴闈㈡暟鎹錛圕ross-sectional data錛夋寚鏌愪釜鍦扮悊鍗曞厓鍦ㄦ煇涓鏃墮棿鐐圭殑鏁版嵁錛屽傚箍宸炲競2020騫碐DP鏁版嵁銆

闈㈡澘鏁版嵁妯″瀷鍦ㄥ洖褰掑墠闇媯楠屾暟鎹鐨勫鉤紼蟲с備負浜嗛伩鍏嶄吉鍥炲綊錛岀『淇濅及璁＄粨鏋滅殑鏈夋晥鎬э紝鎴戜滑蹇呴』瀵瑰悇闈㈡澘搴忓垪鐨勫鉤紼蟲ц繘琛屾楠屻傝屾楠屾暟鎹騫崇ǔ鎬ф渶甯哥敤鐨勫姙娉曞氨鏄鍗曚綅鏍規楠屻

鍗曚綅鏍規楠岄氳繃鍒嗘瀽t鍊礆紝鍒嗘瀽鍏舵槸鍚﹀彲浠ユ樉钁楀湴鎷掔粷搴忓垪涓嶅鉤紼崇殑鍘熷亣璁撅紙p<0.05錛夛紝鑻ュ憟鏄捐憲鎬э紝琛ㄦ槑鎷掔粷搴忓垪涓嶅鉤紼崇殑鍘熷亣璁撅紝璇ュ簭鍒椾負涓涓騫崇ǔ鐨勬椂闂村簭鍒楋紱鑻ヤ笉鍛堟樉钁楁э紝鍒欏規暟鎹榪涜屼簩闃剁敋鑷抽珮闃跺樊鍒嗗悗媯楠岋紝鐩磋嚦搴忓垪騫崇ǔ涓烘錛屼竴鑸涓嶈秴榪囦簩闃跺樊鍒嗐

3. 什麼叫面板數據分析

面板數據，即Panel Data，也叫「平行數據」，是指在時間序列上取多個截面，在這些截面上同時選取樣本觀測值所構成的樣本數據。或者說他是一個m*n的數據矩陣，記載的是n個時間節點上，m個對象的某一數據指標。
其有時間序列和截面兩個維度，當這類數據按兩個維度排列時，是排在一個平面上，與只有一個維度的數據排在一條線上有著明顯的不同，整個表格像是一個面板,所以把panel data譯作「面板數據」。但是,如果從其內在含義上講,把panel data譯為「時間序列—截面數據」 更能揭示這類數據的本質上的特點。也有譯作「平行數據」或「TS-CS數據（Time Series - Cross Section）」。
1如
城市名：北京、上海、重慶、天津的GDP分別為10、11、9、8（單位億元）。這就是截面數據，在一個時間點處切開，看各個城市的不同就是截面數據。
如：2000、2001、2002、2003、2004各年的北京市GDP分別為8、9、10、11、12（單位億元）。這就是時間序列，選一個城市，看各個樣本時間點的不同就是時間序列。
2如
2000、2001、2002、2003、2004各年中國所有直轄市的GDP分別為：
北京市分別為8、9、10、11、12；
上海市分別為9、10、11、12、13；
天津市分別為5、6、7、8、9；
重慶市分別為7、8、9、10、11（單位億元）。
這就是面板數據。
面板數據是按照英文的直譯，也有人將Panel data翻譯成綜列數據、平行數據等。由於國內沒有統一的說法，因此直接使用Panel data這種英文說法應該更准確一些。說面板數據也是比較通用的，但是面板數據並不能從名稱上反映出該種數據的實際意義，故很多研究者不願使用。
面板數據分析方法是最近幾十年來發展起來的新的統計方法，面板數據可以克服時間序列分析受多重共線性的困擾,能夠提供更多的信息、更多的變化、更少共線性、更多的自由度和更高的估計效率，而面板數據的單位根檢驗和協整分析是當前最前沿的領域之一。
面板數據的單位根檢驗的方法主要有 Levin,Lin and CHU(2002)提出的LLC檢驗方法[5]。Im,Pesearn,Shin(2003)提出的IPS檢驗[6] , Maddala和Wu(1999)，Choi（2001）提出的ADF和PP檢驗[7]等。面板數據的協整檢驗的方法主要有Pedroni[8] (1999，2004)和Kao[9](1999)提出的檢驗方法，這兩種檢驗方法的原假設均為不存在協整關系，從面板數據中得到殘差統計量進行檢驗。Luciano(2003)中運用Monte Carlo模擬[10]對協整檢驗的幾種方法進行比較，說明在T較小（大）時，Kao檢驗比Pedroni檢驗更高（低）的功效。
1.指標選取和數據來源
經濟增長：本文使用地區生產總值 ，以1999年為基期，根據各地區生產總值指數折算成實際 ，單位：億元。
能源消費：考慮到近年來我國能源消費總量中，煤炭和石油供需存在著明顯低估，而電力消費數據相當准確。因此使用電力消費更能准確反映能源消費與經濟增長之間的內在聯系（林伯強，2003）。所以本文使用各地區電力消費量 作為能源消費量，單位：億千瓦小時。
環境污染：污染物以氣休、液體、固體形態存在，本文選取工業廢水排放量作為環境污染的量化指標，單位：萬噸。
本文採用1999-2006年全國30個省（直轄市，自治區）的地區生產總值 、電力消費量 和工業廢水排放量 的數據構建面板數據集。30個省（直轄市，自治區）包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南、海南、廣西、重慶、四川、貴州、雲南、陝西、西藏、甘肅、青海、寧夏、新疆，由於西藏數據不全故不包括在內。數據來源於《中國統計年鑒2000-2007》。為了消除變數間可能存在的異方差，本文先對地區生產總值 、地區電力消費量和工業廢水排放量進行自然對數變換。