● 摘要
平行数据（panel data）也称TS/CS(Time series/Cross series),是指对一组统计单位或个体（个人、家庭、商店、地区、国家等）在一段时间内重复进行的一列观察。它既能反映某一时期各个个体数据的规律,也能描述每个个体随时间变化的规律,集合了时间序列和截面数据的共同优点。相对只利用截面数据或只利用时间序列数据进行统计分析而言,平行数据模型有许多优点：（1）平行数据通常提供给研究者大量的样本点,这样就增加了自由度，并减少了解释变量之间的共线性,从而改进了估计的有效性；（2）平行数据模型可以从多层面分析。因为平行数据同时含有时间序列数据和截面数据,所以其统计性质既带有时间序列的性质,又包含一定的横截面特点。因而,平行数据模型的分析方法与时间序列数据和截面数据不完全相同。 本文针对平行数据模型中存在多重共线性的问题，利用偏最小二乘回归方法可以消除多重共线性的影响，将偏最小二乘回归的思想引入到平行数据模型的参数估计中，消除了多重共线性的影响，提高了平行数据模型参数估计的精度，进而提高了预测精度，有很好的理论价值与实用价值。 作者通过深入钻研平行数据模型及偏最小二乘回归理论，已发表两篇论文：固定影响平行数据模型参数的偏最小二乘估计；固定影响平行数据模型参数的偏最小二乘估计及应用。 本文分为四章，第一张综合论述Panel data分析的研究概况；第二章讨论固定影响平行数据模型，研究了固定影响平行数据模型中参数的估计及其性质以及模型判别问题；第三章综合论述了多重共线性的产生的原因、诊断方法及相应的消除多重共线性的方法；第四章讨论分析了带有多重共线性的固定影响平行数据模型参数的偏最小二乘估计，并进行了实证分析。