在 STATA 上分析 Panel Data
分析 Panal Data 的準備與注意事項
這節整理一些處理 Panel Data 時應該注意的地方。相較於 cross-section data，Panel Data 多了時間維度，也就是說可以將資料表示成（Y_{i,t}, X_{i,t}）的形式。Panel Data 中最理想的狀況是：對每個人 i 而言，時間 t 的起訖、頻率都一致且齊全（strict balance）。但實際的資料通常不會那麼整齊，也許有些人在某段時間內沒有觀察值（失業），也有可能每個人開始被觀察到的時間不同（different entering cohort），除了在分析時需要多加留意外，在處理資料時更需要小心以避免出錯。以下記錄了一些注意事項與實用的指令：
- 首先，STATA 是透過
xtset <panel_var> <time_var>將資料設為 Panel Data。我們預期<panel_var> <time_var>應該作為這份資料的 identifier，因此若有人同個時點被觀察到數次，xtset就會出現 error。另外，<panel_var> <time_var>需要是數值變數，若是字串的話，要先透過destring或encode轉換。 - 資料中的時間不一定是以 1 單位為間隔，也有可能像奧運年份一樣，每 4 年間隔。
xtset預設時間間隔為 1 單位的數值，若要修改則要額外加上 option,delta(<gap>)，其中<gap>是時間間隔（以奧運為例的話就是delta(<gap>)）。 - 設定完 Panel Data 之後，可以對變數使用額外的 operators。像是：
f.<var>可以取得下一期的值（forward）、l.<var>可以取得前一期的值 （lag）、d.<var>可以取得這期的值扣掉前期的值（difference）。 - 請小心
l.<var>和<var>[_n-1]的差異，前者是上一期的資料（視你在定義 panel 時，時間的 gap 為何），後者則是上一筆資料。我們假設資料依<panel_var> <time_var>排序，即使如此，但上一筆資料仍不一定等於上一期資料，因為不一定所有人都有每一期的資料。 - 當某人某期 missing 時，請小心使用
l.<var>。一旦指令中涉及到的l.<var>missing， 那麼最後生出來的變數也會 missing。在某些情境下，這可能不會是你所希望的，例如：生成一年內的累計薪資（希望 missing 實際上以 0 處理）。
Panel Data 有許多專門的指令，其中一個有趣的指令是 tsfill （你可以從 prefix 猜到， 這個指令也適用於 time serie data）。 tsfill 可以填補上某人中斷而遺失的樣本點，比如說：A 國家每年都參加奧運，除了 2008 年因故缺席，這時 tsfill 就會補上（A、2008）的樣本點（其未知變數值為 missing）。這麼做不僅有利於資料呈現，還能夠幫助特定的運算。類似的功能可以參考 option full 以及指令 fillna。
- 其他 panel 系列的指令留待讀者自行探索：
xtdescribe、xttrans、xttab、xtreg。
小結
Panel Data 的指令也許沒有比較複雜，但絕對需要花更多心思避免出錯。根本的原因就是資料變複雜了：有些人 N 年後就不在職場上（entry and exit）、有些人某個月兼了數份工作、有些人會暫時離開樣本而後再回來，考量到這些，樣本的選取、變數的定義就不得不謹慎。
最後稍微提一下交易資料，交易資料和 Panel Data 一樣有人 id 與時間維度，可以視為 Panel Data 的一種。但交易資料隨著人的不同，觀察到的時間會有很大的落差：有些人可能定期消費，有些人則是只買一次就流失了。在交易資料中，依分析目的不同，需要清楚的區分：第幾筆資料、第幾期的資料、何時加入的人（cohort）等等。
