Анализ панельных данных

ANALYSIS OF  
PANEL DATA

Cheng Hsiao

Third edition

АНАЛИЗ ПАНЕЛЬНЫХ 
ДАННЫХ

Чэн Сяо

Москва    2022

СЕРИЯ
 «АКАДЕМИЧЕСКИЙ УЧЕБНИК»

Рекомендуется Российской академией народного хозяйства и государственной 
службы при Президенте Российской Федерации в качестве учебника 
для студентов, обучающихся по экономическим направлениям и специальностям, 
а также для студентов бакалавриата, магистратуры, аспирантов, преподавателей 
экономических факультетов вузов. (Основание — приказ Министерства 
образования и науки РФ № 130 от 22 февраля 2012 г.) 

Перевод с английского 
под научной редакцией В. Сидоренко

ÓÄÊ 330.43
ÁÁÊ 65.05
     ×98

Ñÿî, ×ýí

Àíàëèç ïàíåëüíûõ äàííûõ / ×ýí Ñÿî; ïåðåâîä ñ àíãëèéñêîãî ïîä íàó÷íîé 
ðåäàêöèåé Â. Í. Ñèäîðåíêî. —  Ìîñêâà : Èçäàòåëüñêèé äîì «Äåëî» ÐÀÍÕèÃÑ, 
2022. — 624 ñ. (Àêàäåìè÷åñêèé ó÷åáíèê). —  ISBN 978-5-85006-381-8.

Àíàëèç ïàíåëüíûõ äàííûõ ïðåäñòàâëÿåò ñîáîé âñåîáúåìëþùèé, ïîñëåäîâàòåëü-
íûé è èíòóèòèâíî ïîíÿòíûé îáçîð ìåòîäîëîãèè ïàíåëüíûõ äàííûõ, ïîëåçíîé 
äëÿ ýìïèðè÷åñêîãî àíàëèçà. Ó÷åáíèê ñóùåñòâåííî ïåðåñìîòðåí ïî ñðàâíåíèþ 
ñî âòîðûì èçäàíèåì è âêëþ÷àåò äâå íîâûå ãëàâû ïî ìîäåëèðîâàíèþ çàâèñè-
ìûõ ïåðåêðåñòíûõ äàííûõ è äèíàìè÷åñêèõ ñèñòåì óðàâíåíèé. Äîïîëíèòåëüíî 
áûëè îïòèìèçèðîâàíû íåêîòîðûå áîëåå ñëîæíûå êîíöåïöèè. Íîâûé ìàòåðèàë 
âêëþ÷àåò ìîäåëè êîððåëèðîâàííûõ ñëó÷àéíûõ êîýôôèöèåíòîâ, ïñåâäîïàíåëè, 
ìîäåëè âðåìåíè æèçíè è ìîäåëè ñ÷åòíûõ äàííûõ, êâàíòèëüíûé àíàëèç è àëü-
òåðíàòèâíûå ïîäõîäû ê êîíòðîëþ âëèÿíèÿ íåíàáëþäàåìîé ãåòåðîãåííîñòè 
â  íåëèíåéíûõ ìîäåëÿõ ïàíåëüíûõ äàííûõ.

ISBN 978-5-85006-381-8

ÓÄÊ 330.43
ÁÁÊ 65.05

© Cheng Hsiao 1987, 2003, 2014
This translation of “Analysis of Panel Data” by Cheng Hsiao is published by arrangement
with Cambridge University Press.
© ÔÃÁÎÓ ÂÎ «Ðîññèéñêàÿ àêàäåìèÿ íàðîäíîãî õîçÿéñòâà è ãîñóäàðñòâåííîé ñëóæáû
ïðè Ïðåçèäåíòå Ðîññèéñêîé Ôåäåðàöèè», 2022

×98

Моей жене, Эми Меи-Юнь
и моим детям
Ирен Чиаюнь
Аллену Чэнвень
Майклу Чэнйи
Венди Чиавень

Содержание

От научного редактора
. . . . . . . . . . . . . . . . . . . . . . . .
13
Предисловие к третьему изданию . . . . . . . . . . . . . . . . . .
15
Предисловие ко второму изданию . . . . . . . . . . . . . . . . . .
17
Предисловие к первому изданию . . . . . . . . . . . . . . . . . . .
19

1.
Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
1.1.
Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
1.2.
Преимущества панельных данных
. . . . . . . . . . . . . .
26
1.3.
Положения, связанные с использованием панельных данных
33
1.3.1.
Ненаблюдаемая гетерогенность по индивидам
и по времени . . . . . . . . . . . . . . . . . . . . . . . .
33
1.3.2.
Побочные параметры и многомерные статистики . . . .
36
1.3.3.
Истощение выборки . . . . . . . . . . . . . . . . . . . .
37
1.4.
План монографии . . . . . . . . . . . . . . . . . . . . . . . .
39

2.
Тесты на гомогенность (однородность) для линейных
регрессионных моделей (анализ ковариаций) . . . . . . . . .
41
2.1.
Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
2.2.
Анализ ковариации . . . . . . . . . . . . . . . . . . . . . . .
42
2.3.
Пример . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50

3.
Простая регрессия с переменными свободными членами . .
54
3.1.
Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
54
3.2. Модели с фиксированными эффектами... . . . . . . . . . . .
59
3.3. Модель случайных эффектов: оценивание моделей
компонентов дисперсии . . . . . . . . . . . . . . . . . . . . .
64
3.3.1.
Оценка ковариации . . . . . . . . . . . . . . . . . . . .
66
3.3.2.
Оценивание обобщенным методом наименьших
квадратов (ОМНК) . . . . . . . . . . . . . . . . . . . . .
67
3.3.3.
Оценки максимального правдоподобия . . . . . . . . .
70
3.4.
Фиксированные или случайные эффекты
. . . . . . . . . .
74
3.4.1.
Пример . . . . . . . . . . . . . . . . . . . . . . . . . . .
74
3.4.2.
Условный или безусловный (предельный) выводы . . .
74
3.5.
Тесты на ошибочную спецификацию . . . . . . . . . . . . .
84
3.6. Модели с инвариантными по времени
и/или индивидам объясняющими переменными
и индивидуальными и временными эффектами
. . . . . . .
87

Содержание

3.6.1.
Оценивание моделей с переменными,
зависящими от индивидуальных характеристик
. . . .
87
3.6.2.
Оценивание моделей с индивидуальными
и временными эффектами . . . . . . . . . . . . . . . . .
90
3.7.
Гетероскедастичность и автокорреляция
. . . . . . . . . . .
93
3.7.1.
Гетероскедастичность . . . . . . . . . . . . . . . . . . .
93
3.7.2.
Модель с ошибками, коррелированными по времени .
94
3.7.3.
Гетероскедастичная автокоррелированная
состоятельная оценка для ковариационной матрицы
межвременной ковариационной оценки
. . . . . . . . .
98
3.8. Модели с произвольной структурой ошибки —
π-подход Чемберлена . . . . . . . . . . . . . . . . . . . . . .
99

Приложение 3A. Состоятельность и асимптотическая
нормальность оценки минимального расстояния . . . . . . .
106

Приложение 3B. Собственные векторы и обратная
ковариационная матрица в трехкомпонентной модели . . . .
109

4.
Динамические модели с переменными свободными членами
111
4.1.
Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
111
4.2.
Ковариационная оценка
. . . . . . . . . . . . . . . . . . . .
113
4.3.
Модели со случайными эффектами . . . . . . . . . . . . . .
116
4.3.1.
Смещение МНК-оценки
. . . . . . . . . . . . . . . . .
116
4.3.2.
Формулировка модели
. . . . . . . . . . . . . . . . . .
118
4.3.3.
Оценивание моделей со случайными эффектами
. . .
121
4.3.4.
Проверка некоторых поддерживаемых гипотез
относительно начальных условий
. . . . . . . . . . . .
140
4.3.5.
Моделирование доказательства . . . . . . . . . . . . .
141
4.4.
Пример . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
144
4.5.
Модели с фиксированными эффектами
. . . . . . . . . . .
146
4.5.1.
Подход преобразованного правдоподобия . . . . . . . .
147
4.5.2.
Оценка методом минимального расстояния
. . . . . .
149
4.5.3.
Соотношение ММП- и ОММ-оценок . . . . . . . . . .
150
4.5.4.
Спецификация со случайными эффектами против
спецификации с фиксированными эффектами
. . . . .
154
4.6. Оценивание динамических моделей с произвольной
корреляцией остатков по времени . . . . . . . . . . . . . . .
156
4.7.
Векторные модели авторегрессии
с фиксированными эффектами . . . . . . . . . . . . . . . . .
158

Приложение 4A. Вывод асимптотической ковариационной
матрицы для «реализуемого» ММР . . . . . . . . . . . . . .
165

7

Содержание

Приложение 4B. Асимптотики при больших N и T . . . . . . . .
167

5.
Модели одновременных уравнений
. . . . . . . . . . . . . .
173
5.1.
Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
173
5.2.
Техника совместного ОМНК-оценивания
. . . . . . . . . .
177
5.3.
Оценивание структурных уравнений . . . . . . . . . . . . .
181
5.3.1.
Оценивание одиночного уравнения в структурной
модели . . . . . . . . . . . . . . . . . . . . . . . . . . . .
181
5.3.2.
Оценивание системы с полной структурой . . . . . . .
187
5.4.
Треугольная система . . . . . . . . . . . . . . . . . . . . . .
190
5.4.1.
Идентификация . . . . . . . . . . . . . . . . . . . . . .
191
5.4.2.
Оценивание
. . . . . . . . . . . . . . . . . . . . . . . .
193
5.4.3.
Пример . . . . . . . . . . . . . . . . . . . . . . . . . . .
201

Приложение 5A. : . . . . . . . . . . . . . . . . . . . . . . . . . . .
204

6.
Модели с переменными коэффициентами . . . . . . . . . . .
206
6.1.
Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
206
6.2. Коэффициенты, изменяющиеся
по перекрестным единицам . . . . . . . . . . . . . . . . . . .
209
6.2.1.
Модель с фиксированными коэффициентами
. . . . .
210
6.2.2.
Модель со случайными коэффициентами . . . . . . . .
211
6.3. Коэффициенты, изменяющиеся по времени
и по перекрестным единицам . . . . . . . . . . . . . . . . . .
221
6.3.1.
Модель . . . . . . . . . . . . . . . . . . . . . . . . . . .
221
6.3.2.
Модель с фиксированными коэффициентами
. . . . .
223
6.3.3.
Модель со случайными коэффициентами . . . . . . . .
223
6.4. Изменяющиеся во времени коэффициенты . . . . . . . . . .
227
6.4.1.
Модель . . . . . . . . . . . . . . . . . . . . . . . . . . .
227
6.4.2.
Прогнозирование βt при помощи фильтра Калмана . .
229
6.4.3.
Оценки максимального правдоподобия . . . . . . . . .
232
6.4.4.
Тест на постоянство параметров . . . . . . . . . . . . .
233
6.5. Коэффициенты, являющиеся функциями
других экзогенных переменных
. . . . . . . . . . . . . . . .
234
6.6. Смешанная модель фиксированных
и случайных коэффициентов . . . . . . . . . . . . . . . . . .
237
6.6.1.
Описание модели . . . . . . . . . . . . . . . . . . . . .
237
6.6.2.
Байесовское решение . . . . . . . . . . . . . . . . . . .
240
6.6.3.
Случайные или фиксированные различия? . . . . . . .
243
6.7.
Динамическая модель со случайными коэффициентами
. .
249
6.8.
Два примера . . . . . . . . . . . . . . . . . . . . . . . . . . .
255
6.8.1.
Ограничения ликвидности и инвестиционные
затраты фирм . . . . . . . . . . . . . . . . . . . . . . . .
255

8

Содержание

6.8.2.
Агрегированный анализ против дезагрегированного
.
262
6.9.
Модели с коррелированными случайными коэффициентами
265
6.9.1.
Введение . . . . . . . . . . . . . . . . . . . . . . . . . .
265
6.9.2.
Идентификация с перекрестными данными
. . . . . .
266
6.9.3.
Оценивание средних эффектов с использованием
панельных данных . . . . . . . . . . . . . . . . . . . . .
268

Приложение 6A. Комбинация двух нормальных распределений .
275

7.
Дискретные данные . . . . . . . . . . . . . . . . . . . . . . .
277
7.1.
Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
277
7.2.
Некоторые модели дискретного отклика
для перекрестных данных
. . . . . . . . . . . . . . . . . . .
277
7.3.
Параметрический подход к статическим гетерогенным
моделям . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
283
7.3.1.
Модели с фиксированными эффектами . . . . . . . . .
284
7.3.2.
Модели со случайными эффектами . . . . . . . . . . .
291
7.4.
Полупараметрический подход к статическим моделям
. . .
295
7.4.1.
Максимальная ядерная оценка
. . . . . . . . . . . . .
295
7.4.2.
√

N-состоятельная полупараметрическая оценка
. . .
298
7.5.
Динамические модели . . . . . . . . . . . . . . . . . . . . .
300
7.5.1.
Общая модель . . . . . . . . . . . . . . . . . . . . . . .
300
7.5.2.
Начальные условия . . . . . . . . . . . . . . . . . . . .
302
7.5.3.
Условный подход
. . . . . . . . . . . . . . . . . . . . .
307
7.5.4.
Зависимость состояний против гетерогенности
. . . .
312
7.5.5.
Два примера . . . . . . . . . . . . . . . . . . . . . . . .
315
7.6.
Альтернативные подходы к идентификации
зависимости состояний . . . . . . . . . . . . . . . . . . . . .
322
7.6.1.
Оценка, скорректированная на величину смещения . .
323
7.6.2.
Ограничивающие параметры . . . . . . . . . . . . . . .
326
7.6.3.
Приближенная модель
. . . . . . . . . . . . . . . . . .
329

8.
Усечение и выборочный отбор . . . . . . . . . . . . . . . . .
333
8.1.
Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
333
8.2. Пример: неслучайно пропущенные данные . . . . . . . . . .
345
8.2.1.
Введение . . . . . . . . . . . . . . . . . . . . . . . . . .
345
8.2.2.
Вероятностная модель истощения
и селективное смещение . . . . . . . . . . . . . . . . . .
346
8.2.3.
Истощение выборки в эксперименте Гари
по поддержке доходов . . . . . . . . . . . . . . . . . . .
349
8.3. Тобит-модели со случайными
индивидуальными эффектами
. . . . . . . . . . . . . . . . .
352
8.4.
Оценка фиксированных эффектов
. . . . . . . . . . . . . .
355

9

Содержание

8.4.1.
Двусторонне урезанные оценки наименьших квадратов
и оценки наименьших модулей для усеченных и
цензурированных регрессионных моделей . . . . . . . .
355
8.4.2.
Полупараметрическая двухшаговая оценка
для эндогенно определенной модели
выборочного отбора
. . . . . . . . . . . . . . . . . . . .
365
8.5.
Пример: расходы на жилье
. . . . . . . . . . . . . . . . . .
368
8.6.
Динамические тобит-модели . . . . . . . . . . . . . . . . . .
372
8.6.1.
Динамические цензурированные модели . . . . . . . .
372
8.6.2.
Динамические модели выборочного отбора . . . . . . .
379

9.
Перекрестно зависимые панельные данные . . . . . . . . . .
382
9.1.
Вопросы перекрестной зависимости
. . . . . . . . . . . . .
382
9.2.
Пространственное приближение
. . . . . . . . . . . . . . .
384
9.2.1.
Введение . . . . . . . . . . . . . . . . . . . . . . . . . .
384
9.2.2.
Модель пространственной ошибки
. . . . . . . . . . .
388
9.2.3.
Модель пространственного лага . . . . . . . . . . . . .
389
9.2.4.
Модели пространственной ошибки
c индивидуальными эффектами
. . . . . . . . . . . . .
390
9.2.5.
Модель пространственного лага
с индивидуальными эффектами
. . . . . . . . . . . . .
392
9.2.6.
Пространственные динамические модели
панельных данных . . . . . . . . . . . . . . . . . . . . .
393
9.3.
Факторное приближение . . . . . . . . . . . . . . . . . . . .
394
9.4. Расширенный среднегрупповой подход
(общие коррелированные эффекты)
к управлению влиянием
перекрестной зависимости
. . . . . . . . . . . . . . . . . . .
399
9.5.
Тестирование перекрестной зависимости . . . . . . . . . . .
402
9.5.1.
Линейная модель
. . . . . . . . . . . . . . . . . . . . .
402
9.5.2.
Модель с ограниченной зависимой переменной . . . .
406
9.5.3.
Пример: модель ценообразования
на рынке недвижимости Китая . . . . . . . . . . . . . .
408
9.6. Подход к программе оценки,
основанный на панельных данных . . . . . . . . . . . . . . .
409
9.6.1.
Введение . . . . . . . . . . . . . . . . . . . . . . . . . .
409
9.6.2.
Определение эффектов воздействия . . . . . . . . . . .
409
9.6.3.
Методы перекрестной корректировки . . . . . . . . . .
413
9.6.4.
Подход, основанный на панельных данных
. . . . . .
418

10.
Динамические системы . . . . . . . . . . . . . . . . . . . . .
430
10.1. Панельные векторные авторегрессионные модели . . . . . .
431
10.1.1. Гомогенные панельные VAR-модели . . . . . . . . . . .
431

10

Содержание

10.1.2. Гетерогенные векторные авторегрессионные модели
.
439
10.2. Коинтегрированные панельные модели
и векторная коррекция ошибками . . . . . . . . . . . . . . .
441
10.2.1. Свойства коинтегрированных процессов . . . . . . . .
441
10.2.2. Оценивание
. . . . . . . . . . . . . . . . . . . . . . . .
443
10.3. Тесты на единичный корень и коинтеграцию . . . . . . . .
449
10.3.1. Тесты на единичный корень . . . . . . . . . . . . . . .
449
10.3.2. Тесты на коинтеграцию . . . . . . . . . . . . . . . . . .
459
10.4. Динамические модели системы одновременн ´ых уравнений
462
10.4.1. Модель . . . . . . . . . . . . . . . . . . . . . . . . . . .
462
10.4.2. Подход с позиции правдоподобия . . . . . . . . . . . .
464
10.4.3. Оценка методом моментов . . . . . . . . . . . . . . . .
466

11.
Неполные панельные данные . . . . . . . . . . . . . . . . . .
469
11.1. Ротационные или случайно
отсутствующие данные . . . . . . . . . . . . . . . . . . . . .
469
11.2. Псевдопанели (или повторные
перекрестные данные) . . . . . . . . . . . . . . . . . . . . . .
475
11.3. Объединение множества данных единственной
перекрестной выборки и единственного временного ряда . .
478
11.3.1. Введение . . . . . . . . . . . . . . . . . . . . . . . . . .
478
11.3.2. Подход правдоподобия к объединению перекрестных
данных и данных временных рядов
. . . . . . . . . . .
481
11.3.3. Пример . . . . . . . . . . . . . . . . . . . . . . . . . . .
483
11.4. Оценивание распределенных лагов в коротких панелях . . .
485
11.4.1. Введение . . . . . . . . . . . . . . . . . . . . . . . . . .
485
11.4.2. Общие предположения . . . . . . . . . . . . . . . . . .
487
11.4.3. Идентификация, использующая априорную структуру
процесса экзогенной переменной . . . . . . . . . . . . .
489
11.4.4. Идентификация, использующая априорную структуру
коэффициентов при лаговых переменных . . . . . . . .
493
11.4.5. Оценивание и проверка гипотез . . . . . . . . . . . . .
496

12.
Разные темы . . . . . . . . . . . . . . . . . . . . . . . . . . .
499
12.1. Модель «времени жизни» . . . . . . . . . . . . . . . . . . .
499
12.2. Модель счетных данных . . . . . . . . . . . . . . . . . . . .
510
12.3. Панельная квантильная регрессия . . . . . . . . . . . . . .
515
12.4. Методы симуляционного моделирования . . . . . . . . . . .
518
12.5. Данные, имеющие многоуровневую структуру
. . . . . . .
523
12.6. Ошибки измерений . . . . . . . . . . . . . . . . . . . . . . .
526
12.7. Непараметрические модели панельных данных . . . . . . .
532

13.
Краткий обзор . . . . . . . . . . . . . . . . . . . . . . . . . .
536

11

Содержание

13.1. Преимущества панельных данных
. . . . . . . . . . . . . .
536
13.1.1. Увеличение степеней свободы и ослабление проблемы
мультиколлинеарности . . . . . . . . . . . . . . . . . . .
536
13.1.2. Идентификация и различение конкурирующих гипотез
537
13.1.3. Уменьшение смещения оценок . . . . . . . . . . . . . .
539
13.1.4. Получение более точных предсказаний для
индивидуальных откликов
. . . . . . . . . . . . . . . .
541
13.1.5. Обеспечение информацией о соответствующем
уровне агрегации . . . . . . . . . . . . . . . . . . . . . .
541
13.1.6. Упрощение вычислений и статистических выводов . .
542
13.2. Задачи анализа панельных данных . . . . . . . . . . . . . .
542
13.2.1. Моделирование ненаблюдаемой гетерогенности . . . .
543
13.2.2. Контроль влияния ненаблюдаемой гетерогенности
в нелинейных моделях . . . . . . . . . . . . . . . . . . .
544
13.2.3. Моделирование перекрестной зависимости . . . . . . .
545
13.2.4. Многомерные асимптотики . . . . . . . . . . . . . . . .
546
13.2.5. Истощение выборки . . . . . . . . . . . . . . . . . . . .
547
13.3. Заключительное замечание
. . . . . . . . . . . . . . . . . .
547

Библиография
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
549
Предметный указатель
. . . . . . . . . . . . . . . . . . . . . . . .
588

От научного редактора

Перевод монографии Сяо Чэна — первое издание на русском языке, охватывающее 
все основные направления современного анализа панельных
данных — бурно развивающегося раздела эконометрики. Оно продолжает
серию переводных научных и учебных изданий по актуальным направлениям 
экономической теории и эконометрики, выпускаемых издательским
домом «Дело» РАНХиГС. В нем детально рассмотрены не только классические 
модели панельных данных, но и модели перекрестно (пространственно) 
коррелированных данных, модели динамических систем уравнений, 
нелинейные модели, модели бинарного, множественного, счетного
выбора, модели с урезанными и цензурированными выборками, коин-
теграционные модели, модели сбалансированных и несбалансированных
панельных данных.
Третье издание является существенно переработанным вариантом первого 
и второго изданий, вышедших в свет в 1986 и 2003 гг. соответственно. 
Оно представляет собой обобщение научного и преподавательского
опыта автора, полученного в Кембриджском и других известных университетах 
США и Гонконга, а также полученного благодаря Китайскому
(научному) фонду по естественным наукам и работе одним из редакторов «
Журнала по эконометрике» (Journal of Econometrics) в период с
1991 по 2013 г.
Данная книга рекомендуется качестве обязательного учебника для
студентов старших курсов, магистрантов и аспирантов экономических
специальностей, изучающих эконометрику, а также будет полезна иным
специалистам в области современных методов и технологий анализа данных:
медикам, эпидемиологам, изучающим последствия пандемий и эффективность 
различных способов воздействия заболеваний.
При переводе книги были использованы следующие термины: «перекрестные» 
данные для обозначения одномоментных данных, часто именуемых 
в литературе как «пространственные» данные. В то же время термин «
пространственные» данные использовался для обозначения данных,
имеющих пространственную структуру и корреляцию. Этот тип данных
и модели, их использующие, появились в отечественной научной и учебной 
литературе относительно недавно.
Особой благодарности заслуживают канд.физ.-мат. наук, доцент
М.В. Козлов (механико-математический факультет МГУ имени М.В. Ломоносова), 
оказавший существенную помощь в работе над переводом
предыдущего (второго) издания данной монографии, а также Е.В. Дергачева, 
Л.В. Соина, А.Б. Попов, принимавшие участие в подготовке
оригинал-макета издания.

13

От научного редактора

Данное переводное издание не состоялось бы без огромной работы сотрудников 
издательского дома «Дело» РАНХиГС, особенно заведующей
редакцией Ю.В. Бандуриной.
В России исследования, связанные с анализом панельных данных,
стали бурно развиваться с конца ХХ в. и активно внедряются в рамках 
развития технологий анализа больших данных. Кроме того, автор
и редактор перевода вместе с российскими и зарубежными коллегами
в последние два десятилетия занимается научно-исследовательскими проектами, 
связанными с получением сопоставимых данных на микроуровне
для регионов России и сопредельных государств, с использованием
современных статистических и информационных (в частности, геоинформационных) 
технологий. В настоящее время готовится к выпуску
исследование В.Н. Сидоренко «Природные ресурсы, окружающая среда
и население регионов России за 160 лет (1855-2015 гг.)», результаты
которого могут быть использованы для дальнейших многочисленных
панельных исследований.
Уважаемые читатели, просьба о замеченных опечатках, ошибках в формулах, 
неточностях перевода сообщать по адресу: vvanashvili@ranepa.ru

Владимир Сидоренко,
канд.экон. наук, канд.физ.-мат. наук, канд.юрид. наук,
доцент экономического факультета
МГУ им. М.В. Ломоносова

Предисловие к третьему изданию

Анализ панельных данных является одним из самых захватывающих
направлений в современной эконометрике. Возможность моделирования
более реалистичных поведенческих гипотез и сложных методологических
вопросов наряду с увеличением доступности панельных данных привели
к феноменальному распространению исследований по панельным данным.
Это
издание
представляет
собой
существенный
пересмотр
вто-
рого издания. В него добавлены две новые главы по моделированию
перекрестных коррелированных данных и динамических систем уравне-
ний. Некоторые более сложные концепции были усовершенствованы, а
новый материал по моделям с коррелированными случайными коэффи-
циентами, псевдопанелям, моделям «времени жизни» и счетного выбора,
квантильному анализу, альтернативным подходам к управлению влиянием
ненаблюдаемой неоднородности (гетерогенности) в нелинейных моделях
панельных данных, выводам на основе данных, имеющих как большое
число перекрестных наблюдений, так и длинных временных рядов и т.д.,
был включен в уже существующие разделы. Хочется надеяться, что ны-
нешний вариант книги сможет представить читателю достаточно все-
объемлющий, согласованный и интуитивно понятный обзор методологии
панельных данных, которая полезна для эмпирического анализа. Тем не
менее ни одна монография не может вершить правосудие над огромным
массивом литературы в этой области. Я приношу извинения за любые
упущения важных моментов в области анализа панельных данных.
Хотел бы поблагодарить сотрудников издательства Кембриджского
университета (Cambridge University Press) Скотта Пэрриса (Scott Parris)
и Карен Мэлони (Karen Maloney) за их стимулирование и поддерж-
ку этого проекта. Я благодарен журналу «Эконометрика» («Economet-
rica»), Международному валютному фонду (International Monetary Fund),
«Financial Times», журналу Американской статистической ассоциации
(«Journal of the American Statistical Association»), журналу по экономет-
рике («Journal of Econometrics»), журналам «Прикладная эконометрика»
(«Journal of Applied Econometrics»), «Региональная наука и экономика
города» («Regional Science and Urban Economics»), «Обзор экономических
исследований» («Review of Economic Studies»), издательству Универси-
тета Чикаго («University of Chicago Press»), издательству «Эльзивер»
(«Elsevier») за разрешения на использование некоторых опубликованных 
в них материалов. Выражаю благодарность Кристин Парди (Kristin
Purdy) и Кейт Гавино (Kate Gavino) за помощь при получении разрешений 
по авторским правам, а также таким сотрудникам, как К. Бхарадваж

15

Предисловие к третьему изданию

(К. Bharadwaj), С. Шанкар (S. Shankar), Дж. Пенни (J. Penney) и Т. Кор-
нак (T. Kornak) за их отличную работу по техническому редактированию
и верстке. В процессе подготовки этой монографии я остался очень доволен 
отличными условиями труда в Университете Южной Калифорнии
(University of Southern California), Университете города Сямынь (Xiamen
University), Городском университете (City University) Гонконга и Гонконгском 
университете науки и технологии (Hong Kong University of
Science and Technology); а также частичной поддержкой исследований со
стороны Китайского фонда по естественным наукам (грант № 71131008).
Я благодарен С. Шлессингер (Sena Schlessinger) за ее отличный печатный 
набор различных вариантов рукописи; Р. Мацкин (R. Matzkin) и
двум поручителям; а также Дж. С. Дуану (J. C. Duan), Р. Коэнкеру
(R. Koenker), С. Ламбаш (С. Lambache), Л. Ф. Ли (L. F. Lee), Х. Лу
(X. Lu), М. Х. Песарану (M.H. Pesaran), Х. Р. Муну (H. R. Moon),
Л. Су (L. Su), Т. Вансбику (Т. Wansbeek) и Дж. Х. Ю (J. H. Yu) за
полезные замечания по некоторым частям книги. Я хотел бы поблаго-
дарить К. Чжоу (Q. Zhou) за указание на многие опечатки и упущения
в ранних версиях рукописи; Майкла Сяо (Michael Hsiao) за подготовку
табл. 1.1, 6.9–6.11 и 9.1; Шуй Ваня (Shui Wan) за подготовку табл. 9.2–
9.5 и рис. 9.1–9.4; Т. Вана (T. Wang) за любезную подготовку исходных
файлов для табл. 12.1 и рис. 12.1 и 12.2. Несмотря на помощь всех
вышеупомянутых коллег, в тексте книги наверняка остались какие-либо
ошибки и недочеты. Я прошу прощения за эти ошибки и буду благодарен
за информацию о них.

Предисловие ко второму изданию

С момента публикации первого издания этой монографии в 1986 г., про-
изошел феноменальный рост количества статей, посвященных панель-
ным данным. Согласно индексу научного цитирования (Science Citation
Index), в 1989 году было 29 статей, связанных с анализом панельных
данных; в 1997 г. — 518; в 1998 г. — 553; а в 1999 г. — 650. Все большее
внимание к этой области частично связано с повышением доступности
наборов панельных данных, которые могут лучше отвечать на интересу-
ющие исследователей вопросы, чем одиночный набор перекрестных дан-
ных или временной ряд, а частично — с быстрым ростом вычислительной
мощности у индивидуального исследователя. Кроме того, это мотивиру-
ется внутренней методологической логикой предмета исследования (см.,
например, Троньён [Trognon (2000)]).
Текущее издание является существенным пересмотром первого изда-
ния. Основные дополнения существенно касаются нелинейных моделей
дискретного выбора с панельными данными (гл. 7) и выборочного от-
бора (гл. 8); новой гл. 10 по таким темам, как методы моделирования,
теория для больших N и T, тесты единичного корня и тесты на ко-
интеграцию, многоуровневые структуры, зависимости наблюдений в пе-
рекрестных выборках; новые разделы по оценке динамических моделей
(4.5–4.7), байесовский подход к моделям с фиксированными и случай-
ными коэффициентами (6.6–6.8), повторные перекрестные данные (или
псевдопанели) и т.д. Кроме того, были обновлены многие рассуждения
в старых главах. Например, введено понятие строгой экзогенности, оцен-
ки в рамках обобщенного метода моментов для облегчения увязывания
предположений, необходимых для идентификации различных моделей,
обновлено обсуждение фиксированных и случайных эффектов в связи
с ограничениями, возникающими в предположении о наличии ненаблю-
даемых специфических эффектов и т. д.
Цель данного издания та же, что и первого. Оно направлено на зна-
комство читателя с огромным современным аналитическим набором ме-
тодов анализа широкого спектра данных. Акцент делается на разработ-
ке соответствующих статистических выводов по вопросам, сформулиро-
ванным касательно важных политических проблем. Данное издание не
является ни энциклопедией, ни историей эконометрики панельных дан-
ных. Я прошу прощения за пропуск многих важных тем в данной об-
ласти. Подробное изложение истории эконометрики панельных данных
можно найти у Нерлова [Nerlove (2000)]. Некоторые дополнительные
вопросы и ссылки можно найти в обзоре Ареллано, Оноре [Arellano,
Honor´e (2001)], а также в четырех последних сборниках таких авто-

17