非平衡面板

非平衡面板 (Unbalanced Panel)

非平衡面板（unbalanced panel）是指各截面个体观测期数不完全相同的面板数据集。与之相对的是平衡面板（balanced panel），后者要求每个个体 $i = 1, \dots, N$ 均有相同的时间序列长度 $T$。在非平衡面板中，个体 $i$ 的观测期数为 $T_i$，不同 $i$ 的 $T_i$ 可以不同，总样本量为 $\sum_{i=1}^{N} T_i$。非平衡面板是应用计量研究中最常见的数据形态：企业数据库中存在进入和退出、家庭追踪调查中存在样本磨损（attrition）、跨国面板中存在国家形成与分裂，这些现实机制都自然产生非平衡结构。

非平衡面板的来源

非平衡面板的产生机制可归为三类。其一，样本磨损（attrition）：追踪调查中受访者因死亡、迁移、拒访等原因退出调查，导致后期观测缺失。其二，进入与退出：企业面板中新企业的创立（进入）和旧企业的破产（退出）使得企业存续期长短不一，这是产业组织研究中非平衡面板的经典来源。其三，数据合并：将不同时间频率或不同起始年份的数据集合并时，部分变量对某些个体在部分年份不可得，形成非平衡结构。

从统计性质看，非平衡面板的"非平衡性"本身是否构成问题，取决于缺失机制的假设。若数据缺失属于完全随机缺失（MCAR, Missing Completely at Random），即缺失概率与可观测及不可观测变量均无关，则非平衡面板不导致估计偏误。若缺失属于随机缺失（MAR），即可观测变量足以解释缺失概率，则在似然框架下仍可得到一致估计。若缺失属于非随机缺失（MNAR），即缺失概率依赖于不可观测变量（如低收入家庭更可能退出调查），则需借助样本选择模型（Heckman-type selection models）进行修正。

非平衡面板下的计量方法

固定效应与随机效应

非平衡面板下，标准的固定效应模型和随机效应模型仍可直接适用，无需特殊修正。固定效应的组内估计量（within estimator）通过在个体内进行均值离差变换来消除个体异质性 $\alpha_i$：

其中 $\tilde{y}_{it} = y_{it} - \bar{y}_i$，$\bar{y}_i = T_i^{-1}\sum_{t=1}^{T_i} y_{it}$ 依个体各自的观测期数计算。关键在于，各 $T_i$ 的不同仅影响个体均值估计的精度，但不破坏组内变换消除 $\alpha_i$ 的性质——只要严格外生性假设 $E[\varepsilon_{it} \mid \mathbf{x}_{i1}, \dots, \mathbf{x}_{iT_i}, \alpha_i] = 0$ 成立，固定效应估计量在非平衡面板下仍是一致的。

随机效应估计量则需要广义最小二乘（GLS）变换。非平衡面板下的随机效应估计涉及 $\theta_i = 1 - \sigma_{\varepsilon} / \sqrt{T_i \sigma_{\alpha}^2 + \sigma_{\varepsilon}^2}$ 的个体特定准离差参数。由于 $T_i$ 不同，$\theta_i$ 也因个体而异——这是非平衡面板与平衡面板在随机效应估计上的唯一实质性差异。

一阶差分估计

一阶差分估计（first-difference estimator）同样可用于非平衡面板，但需注意：只有当个体在相邻两期均有观测时，该差分观测才进入估计。非平衡面板下的一阶差分估计实际使用的样本量为 $\sum_{i=1}^{N} (T_i - 1)$（假设各期均为连续观测），意味着观测期短的个体提供的差分信息较少，但估计仍是一致的。

组间估计量与方差分解

组间估计量（between estimator）对每个个体取时间均值后进行横截面回归 $\bar{y}_i = \bar{\mathbf{x}}_i'\boldsymbol{\beta} + \alpha_i + \bar{\varepsilon}_i$。在非平衡面板中，$\bar{y}_i$ 的估计精度依赖于 $T_i$：$T_i$ 较小的个体其组均值含更多噪声。若 $T_i$ 与个体特征系统相关，组间估计量可能产生异方差问题，需使用加权最小二乘或稳健标准误加以校正。

非平衡面板的特殊问题

损耗偏差

当样本损耗（attrition）与个体异质性 $\alpha_i$ 相关时，非平衡面板下的固定效应估计量虽能消除 $\alpha_i$，但 损耗偏差（attrition bias）依然可能通过时变不可观测因素影响估计。例如，在收入动态面板研究中，若低收入个体在收入进一步下降后更可能退出调查，则剩余样本中的收入趋势将被高估。处理此类问题的方法包括逆概率加权（IPW）、Heckman 选择修正以及边界分析。

非连续观测

部分非平衡面板中，同一个体的观测可能存在"缺口"（gap）——即某一期缺失，后续期又出现。固定效应和一阶差分估计对此的处理方式不同：FE 估计利用所有可用观测计算个体均值，不受缺口影响；FD 估计中，缺口前后的两期差分无法构造（因为不是相邻期），故信息损失更多。

软件实现

主流计量软件对非平衡面板提供原生支持。Stata 的 \verb|xtreg| 命令自动根据实际 $T_i$ 进行组内变换或 GLS 变换，\verb|xtset| 声明面板结构后无需额外指定。R 的 \verb|plm| 包在 \verb|model = "within"| 或 \verb|"random"| 下自动处理非平衡数据。Python 的 \verb|linearmodels| 中 \verb|PanelOLS| 和 \verb|RandomEffects| 同样具备此能力。用户需注意的核心问题是确保缺失机制假设与所选估计方法相匹配，而非担忧非平衡性本身。