『壹』 我國證券市場A 股上市的公司面板數據在哪找
央企整合必將成為資本市場的重要方向,在世界500強中,我國央企占據了工程建築、金屬產品與銀行業的第一位,原油採掘、船務、煉油與貿易領域的第二位,但在其他45個產業領域中,我國央企排名靠後,甚至像中國南車、中國北車、國家核電這樣的企業都沒能進入世界500強名單。
『貳』 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。
『叄』 用stata做面板數據的回歸，出現了regress y x1 x2 x3 x4 x5 no observations r(2000); 怎麼回事求高手幫
你分析的是回歸分析
在stata中面板數據有特別的前綴：XT
面板回歸最基礎命令是XTREG
你用的REG不是面板數據的回歸分析，而且沒有觀測值
所以提示no observations r(2000)
『肆』 面板數據分析方法總結
面板數據分析方法總結
橫截面的異方差與序列的自相關性是運用面板數據模型時可能遇到的最為常見的問題,此時運用OLS可能會產生結果失真,因此為了消除影響,對我國東、中、西部地區的分析將採用不相關回歸方法( SeeminglyUnrelated Regression, SUR)來估計方程。而對於全國范圍內的估計來說,由於橫截面個數大於時序個數,所以採用截面加權估計法(Cross SectionWeights, CSW) 。
一般而言，面板數據可用固定效應(fixed effect) 和隨機效應(random effect) 估計方法,即如果選擇固定效應模型,則利用虛擬變數最小二乘法(LSDV) 進行估計;如果選擇隨機效應模型,則利用可行的廣義最小二乘法(FGLS) 進行估計(Greene ,2000) 。它可以極大限度地利用面板數據的優點,盡量減少估計誤差。至於究竟是採用固定效應還是隨機效應,則要看Hausman 檢驗的結果。
單位根檢驗：在進行時間序列的分析時,研究者為了避免偽回歸問題,會通過單位根檢驗對數據平穩性進行判斷。但對於面板數據則較少關注。隨著面板數據在經濟領域應用,對面板數據單位根的檢驗也逐漸引起重視。面板數據單位根的檢驗主要有Levin、Lin 和Chu 方法(LLC 檢驗) (1992 ,1993 ,2002) 、Im、Pesaran 和Shin 方法( IPS 檢驗) (1995 ,1997) 、Maddala 和Wu 方法(MW檢驗) (1999) 等。
協整檢驗：協整檢驗是考察變數間長期均衡關系的方法。在進行了各變數的單位根檢驗後,如果各變數間都是同階單整，那麼就可以進行協整檢驗了。面板協整檢驗理論目前還不成熟,仍然在不斷的發展過程中,目前的方法主要有:(1)Kao(1999)、Kao and Chiang(2000)利用推廣的DF和ADF檢驗提出了檢驗面板協整的方法,這種方法零假設是沒有協整關系,並且利用靜態面板回歸的殘差來構建統計量。(2)Pedron(i1999)在零假設是在動態多元面板回歸中沒有協整關系的條件下給出了七種基於殘差的面板協整檢驗方法。和Kao的方法不同的是,Pedroni的檢驗方法允許異質面板的存在。(3)Larsson et a(l2001)發展了基於Johansen(1995)向量自回歸的似然檢驗的面板協整檢驗方法。這種檢驗的方法是檢驗變數存在共同的協整的秩。
一般的順序是：先檢驗變數的平穩性,當變數均為同階單整變數時,再採用協整檢驗以判別變數間是否存在長期均衡關系。如果變數間存在長期均衡的關系,我們可以通過誤差修正模型(ECM) 來檢驗變數間的長期因果關系;如變數間不存在協整關系,我們將對變數進行差分,然後通過向量自回歸模型(VAR),檢驗變數間的短期因果關系。
『伍』 如何用spss進行面板數據分析
spss不能做面板數據分析，一直我都期望spss把這塊功能加上去，這樣我就不用再研究其他軟體了，結果一直沒有。
所以做面板數據分析 要用stata或eviews
『陸』 面板數據回歸分析結果看不懂！！
我給你解讀一份stata的回歸表格吧，應該有標准表格的所有內容了，因為你沒有給範例，……不過我們考試基本就是考stata或者eview的輸出表格，它們是類似的。
X變數：教育年限
Y變數：兒女數目
各個系數的含義：
左上列：
Model SS是指計量上的SSE，是y估計值減去y均值平方後加總，表示的是模型的差異
Model df是模型的自由度，一般就是指解釋變數X的個數，這里只有一個
Resial SS 和df 分別是殘差平方和以及殘差自由度 N-K-1（此處K=1）=17565
Total SS 和 df分別是y的差異（y減去y均值平方後加總）以及其自由度N-1=17566
MS都是對應的SS除以df，表示單位的差異
右上列：
Number of obs是觀測值的數目N，這里意味著有17567個觀測值
F是F估計值，它是對回歸中所有系數的聯合檢驗（H0：X1=X2=…=0），這里因為只有一個X，所以恰好是t的平方。這里F值很大，因此回歸十分顯著。
Prob>F是指5%單邊F檢驗對應的P值，P=0意味著很容易否定H0假設，回歸顯著。
R-squared是SSE/SST的值，它的意義是全部的差異有多少能被模型解釋，這里R-squared有0.0855，說明模型的解釋度還是可以的。
Adj R-squared是調整的R-squared，它等於1-（n-1）SSR/（n-k-1）SST，它的目的是為了剔除當加入更多X解釋變數時，R-squared的必然上升趨勢，從而在多元回歸中更好的看出模型的解釋力，但是本回歸是一元的，這個值沒有太大意義。
Root MSE是RMS的開方，是單位殘差平方和的一種表現形式。
下列：
Coef分別出示了X變數schooling的系數和常數項的值，其含義是，如果一個人沒有受過教育，我們預測會平均生育3個子女，當其他因素不變時，一個人每多受一年教育，我們預測其將會少生0.096個孩子。X變數的coef並不大，因此其實際（也叫經濟）顯著性並不太高。
Std.err則是估計系數和常數項的標准差。一般我們認為，標准差越小，估計值越集中、精確。
t是t估計值，它用於檢驗統計顯著性，t值較大，因此回歸是顯著的。
P>abs(t)項是5%雙邊t檢驗對應的P值，P=0意味著很容易否定H0假設，統計顯著。
95%conf interval項是95%的置信區間，它是x變數的系數（或常數項）分別加減1.96*SE，這是說，有95%的可能性，系數的真值落在這個區域。
『柒』 excel面板數據整理
在Sheet1的E2輸入
=IF(AND(B2>=VLOOKUP(A2,Sheet2!A:B,2,)-90,B2<=VLOOKUP(A2,Sheet2!A:B,2,)+30),"留","")
回車並向下填充（或雙擊右下角填充柄一步到位）。
選E列篩選「留」。
我把首次公告日的前後日期改為前6天~後3天（共10天）做個示範給你看吧：
『捌』 什麼叫做面板數據怎麼處理
首先 因為你的問題偶丟了10分！
面板數據是時間序列數據與截面數據的結合 凡是關於時間序列數據必須通過單位根檢驗數據平穩性 這是計量的前提 否則可能出現偽回歸 出現數據出錯