前言
传统面板数据模型中通常假设不同横截面个体之间是相互独立的。然而，经济和金融中的个体往往是存在相关性的。例如，不同国家或地区会同时受到宏观经济政策、国际金融市场以及国际能源市场冲击的影响；股票市场上不同公司的股票超额收益取决于各种潜在的风险因子；在国际贸易模型中，交易的双方是相互影响的。在某些特定情境下，如金融市场中，这种个体之间的普遍相关性与系统性风险具有紧密联系，这种横截面相关性是研究者所特别关心的。因而，近些年来，具有横截面相关性（Cross-Sectional Dependence，CSD）的面板数据模型已成为计量经济学中最为活跃的研究领域之一。在现有处理横截面相关计量经济学文献中，空间计量（Spatial Econometrics）模型和因子误差结构（Factor Structural Error）模型是两类最主要的建模方法。前者利用空间（地理）信息来捕获不同个体的空间相关性（如 Lee和Yu，2010），而后者则利用低维公共因子结构来刻画不同个体同时受到一组潜在变量或者冲击的影响所带来的横截面相关性。
考虑到横截面相关的重要性，Pesaran（2006）和Bai（2009）在线性面板数据模型中分别引入多因子结构误差项（Multifactor Structural Error）和交互固定效应（Interactive Fixed Effects，IFE），并分别提出了斜率系数的公共相关效应（Common Correlated Effects，CCE）估计量和主成分分析（Principal Component Analysis，PCA）估计量。前者利用可观测变量的横截面（加权）平均作为不可观测的公共因子的代理，而后者则分析方差并以迭代形式来同时估计出斜率系数、公共因子和因子载荷。基于他们的研究框架，很多学者在不同方向上都做了进一步的拓展，如动态面板、非平稳面板、非参数面板、具有异质性群组结构的面板等；同时，Pesaran的CCE估计量和Bai的PCA估计量也已经被广泛地应用于经济学实证研究。在Google Scholar网站上可以看到，Pesaran（2006）和Bai（2009）的被引用次数分别为2500+和900+。
另外，由于非参数方法在探索数据结构中所具有的灵活性以及在模型设定中的稳健性，近些年来非参数面板数据模型已经引起了广大学者的关注。但是，当非参数变量的维度很高时，完全的非参数（Fully nonparametric）模型设定通常会导致“维度诅咒”（Curse of Dimensionality）问题；而且当维度大于2时，非参数估计结果在实证分析中不容易展示和解释。为了克服这些缺点，作为非参数和参数设定的折中方法，半参数方法已经被应用到面板数据模型中。通过对未知函数施加不同的结构，许多半参数模型，如可加模型、部分线性模型、单指标模型、变换模型以及可变系数模型等，已在面板数据模型文献中得到了广泛的研究。关于非参数和半参数面板数据模型的综述，可参见Su和Ullah（2011），Chen等（2013）以及Sun等（2015）。
本书包括了作者在过去几年中与合作者在上述这两个热门方向上发表的一组论文的主要结果。本书的第二章内容主要来源于我和周前坤合作发表在Journal of Economic Theory and Econometrics（2016年第20期）上的学术论文 “Common Correlated Effects Estimation of Unbalanced Panel Data Models with Cross-Sectional Dependence”。该文章首次将Pesaran的CCE估计量拓展到了非平衡面板数据，并系统性地研究了估计量的大样本性质。第三章的主要内容来源于我和苏良军、金赛男发表在Journal of Econometrics（2015年第186期）上的学术论文“Specification Test for Panel Data Models with Interactive Fixed Effects”。该文章为Bai（2009）模型设定中的函数形式是否为线性提供了一个非参数的设定检验，为实证研究者提供了诊断和分析工具，从而进一步完善了Bai的PCA框架。第四章内容来源于我和苏良军、Peter Phillips发表在Econometric Journal（2012年第15期）上的学术论文“Testing for Common Trends in Semiparametric Panel Data Models with Fixed Effects”。该文章主要为具有非参数时间趋势的局部线性面板数据模型提供了一个基于非参数R2的检验统计量，用于评估不同的横截面个体是否具有公共的时间趋势，丰富了面板数据时间趋势的建模方法。第五章内容来源于我和苏良军发表在Advances in Econometrics（2016年第36卷）上的学术论文“Semiparametric Estimation of Partially Linear Dynamic Panel Data Models with Fixed Effects”。该文章主要详细研究了局部线性动态面板数据模型的两种估计方法，同时为函数形式的参数设定提供了检验统计量，为经济和金融的实证研究提供了新的计量分析工具。在本书中使用这些研究成果，均获得了他们的许可。在此，我对我的合作者们表示衷心的感谢，尤其是苏良军教授，是他一步步引领我走向计量经济学的研究道路。
在本书的写作过程中得到了我的研究生张佳和张祺的大力帮助与支持，他们在翻译过程中做出了不少贡献。另外，在本书的写作过程中，我非常感谢我家人的理解和支持。最后，衷心地感谢刘守英教授、李勇教授、于春海教授、韩松教授、范志勇教授和赵峰教授一直以来的鼓励和帮助。