合并的横截面数据和面板数据之间有什么区别？

他们看起来是如此相似。他们是同一件事，只是被称为不同的名字吗？

当我看到面板数据时，我认为是纵向数据，因此观察是在相同主题下多次收集于同一个人的。重复的横截面应该是相同的主题，但是在每次观察时您都会得到不同的个体样本。我欢迎其他描述。

答案很简单：合并的横截面数据和纯面板数据都通过tine收集数据（范围可以从2个时间段到任何大数）。它们之间的关键区别是我们遵循的“单位”。我将单位定义为家庭，国家或其他我们正在收集数据的单位。在合并的横截面中，我们将在不同的时间段内以不同的单位抽取随机样本，即我们抽取的每个样本将由不同的个体填充。通常用于查看政策或计划的影响。例如，我们将在1990年获取X，Y和Z户的家庭收入数据。然后，我们将在1995年获取G，F和A户的相同收入数据。尽管我们对相同的数据感兴趣，但我们正在不同时间段内的不同样本（使用不同的家庭）。

在纯面板数据中，随着时间的推移，我们遵循相同的单位，即相同的家庭或个人。例如，对于每个时间段，我们将收集同一组住户X，Y和Z，即在1990年收集数据，并在1995年访问相同的住户。

因此，根本的区别只是我们观察数据的单位。

希望这可以帮助。

统计和计量经济学中的横截面数据或研究人群的横截面是一维数据集。横截面数据是指通过在同一时间点或不考虑时间差异而观察许多主题（例如个人，公司或国家/地区）而收集的数据。横截面数据的分析通常包括比较受试者之间的差异。例如，我们要测量人口中当前的肥胖水平。我们可以从该人群（也称为该人群的横截面）中随机抽取1,000个人的样本，测量其体重和身高，并计算该样本中肥胖者的百分比。例如，我们样本中有30％被归类为肥胖。此横截面样本为我们提供了该种群的快照，在那个时间点。请注意，我们无法根据一个横截面样本得知肥胖是在增加还是在减少；我们只能描述当前的比例。横截面数据不同于也称为纵向数据的时间序列数据，后者随一个对象随时间的变化而变化。面板数据（或时间序列横截面（TSCS）数据）是另一种变体，将两者结合在一起，着眼于多个主题以及它们在一段时间内的变化。面板分析使用面板数据来检查变量随时间的变化以及受试者之间变量的差异。在滚动横截面中，随机地确定样品中个体的存在以及将个体包括在样品中的时间。例如，政治民意测验可能决定采访100,000个人。它首先从整个人口中随机选择这些人。然后，它为每个人分配一个随机日期。这是该人接受采访的随机日期，因此被包括在调查中。

基于Corey的定义，我们采用以下方法通过合并的横截面数据和面板数据来估计模型。

合并横截面：固定效应或随机效应（仅时间）或仅合并OLS的一种方法。

面板数据：两种（或一种）固定效应/随机效应（时间或个体效应或两者兼有）或汇总的OLS。

这来自古吉拉特语（第4版，P28）的“基本计量经济学”：

面板数据，纵向数据或微面板数据这是一种特殊的汇总数据，其中随着时间的推移会调查同一横截面单位（例如，一个家庭或一家公司）。例如，美国商务部定期进行住房普查。在每次定期调查中，都对同一家庭（或居住在同一地址的人）进行了采访，以了解自上次调查以来该家庭的住房和财务状况是否有任何变化。通过定期访问同一家庭，面板数据可提供有关家庭行为动态的非常有用的信息。

合并的数据也是面板数据，但反事实并非如此。