关于公司金融面板数据样本选择的简单问题，想不明白

研究公司治理或者投融资行为等等要选择上市公司多年的数据

各个学者有两种选择，第一是选择平衡数据，某年之前上市的公司，然后固定时间和截面效应(每个企业稳定差异性)做面板分析

还有就是选择非平衡数据，每年的样本数不同，设置时间和行业的虚拟变量，然后应该是全样本直接回归。

除了后者有更全面的样本这一优点外，这两个方法的适用性有什么要求和倾向没，再就是各有什么优势。

另外，如果面板数据中交互项中有一半是时间虚拟变量(如指数或者总量数据，每一年对于截面公司都是相同的)，那是不是在回归中加入这个变量和选择时期固定效用是等同的！

顶起来！！！！

1111111111111111111111111111111

顶起来求助！！

帮你顶顶，希望更多的人能看到你的问题，前来帮助！

顶起来求助
1！！

支持你，区别我觉得没有什么不同，在面板数据理论里按照数据的不同分为平衡和不平衡面板，就是为了数据的不同而设置的。
虚拟变量的设置很成问题，那么多变量再加虚拟变量，这种估计效果如果非常好才怪。看过很多这样的估计，上市公司的截面数据差异很大，不知道他们怎么得到那么好的结果，很有疑问？
而且，我看到很多估计结果直接就给出了估计结果，没有估计过程，检验的判断等等方面，我个人认为有很问题。很多同一个理论，使用截面数据、面板数据得到的结果有很大差别，但是还都能支持这种理论的？多选一个指标和少些指标，估计结果也多变化，就能财务风险估计吧，二元因变量，多个财务指标，根据相关理论找到相关指标，进行估计，理论支持相关的，但实证上检验不通过，按照计量理论，这很有可能是模型设置错误，或存在异方差、或有多重共线性等等其他因素；如果按照财务理论，很可能说不通的；还需要我们在财务学的计量运用上多动脑筋呀。
还有现在财务学实证很流行的面板数据联立方程估计，使用2sls估计方法，这个到没有多大问题，分别估计两个方程就可以了（可以参考任一教材）。但有时候一个因变量是二元的，一个是连续的，直接估计的这种可靠性真是不敢恭维。大家知道二元的面板数据估计是非线性的，下面来一个线性的，哈哈，可能我的知识还没有学到家。
对于学习财务的或者微观金融的人，他们多会直接把计量软件拿来，了解一些估计方法就直接应用到问题中，这种方法是否科学，值得探讨。记得有一个学统计的博士告诉我，很多人连基本的估计过程、应该采用什么统计量，怎么判断估计效果好不好根本搞不清楚，这种得到的结果能可靠吗？
计量作为工具真的很重要，但要真正掌握其精髓还很多路要走呀，没办法，谁叫很多好期刊非实证不录用呢。我们应该多提倡规范研究，在进行实证研究，这种路子才是对的。
才学疏浅，只有这点想法。

公司治理或者投融资的问题，包括国外比较新的文献，都没有注意到各种模型设置的问题。

尤其是长样本选择固定效应还是随机效应，或者变系数的面板模型基本都不关注相应的检验统计量。

2阶段最小2乘在财务分析里面最近开始得多，但是由于财务数据的自相关性和宏观数据比差得很多，所以有的时候工具变量不知道怎么选。

感谢楼上的回答。因为接下来准备重新找数据做个实证，现在涉及到选择平衡数据还是非平衡数据的问题，希望能有高手指点。谢谢

最好两种数据都算算

顶上去,,,,有人看么