目前，对于基金家族共同持股的实证研究主要使用的是面板数据模型。同时，由于本文研究所使用的数据均为面板数据，所以本文也采用面板数据模型来进行实证检验。 面板数据又被称为时间序列与截面混合数据，是在时间序列上截取多个截面，并且在这些不同的截面上选取样本的数据。面板数据不仅有时间维度，而且有横截面维度，所以面板数据是时间序列和截面数据的综合，并同时具体两种数据的特点。相比单截面数据，面板数据提供了更多的观测值，所以增加了对于样本的估计精度。 面板数据模型可以分为静态面板数据模型和动态面板数据模型，前者没有包含被解释的变量的滞后项，而后者则包含了被解释的变量的滞后项。由于本文研究所要解释的变量没有包含其滞后项，所以本文使用的模型属于静态面板数据。 通常，面板数据模型有 3 种，即混合估计模型、固定效应模型和随机效应模型： （1）混合估计模型，又称为混合最小二乘估计。如果从时间上来看，样本中不同的个体之间不存在显著性的差异；从界面上来看，不同的截面之间也不存在显著性的差异，那么就可以直接把面板数据混合到一起，用普通过的最小二乘法（OLS）来估计参数。在混合估计模型中，任何个体和截面的回归系数都是相同的。 （2）固定效应模型。如果对于不同的个体或者不同的截面，回归模型的截取是不同的，那么就可以使用在模型中加入虚拟变量的方法来估计参数。在固定效应模型下，所有包含个体影响效果的变量被假设为是内生的。固定效应模型的优点是它能够反映个体之间的差异，并且估计方法比较简单；缺点是它假设每个个体之间的差异是固定的。 （3）随机效应模型。与固定效应模型相比，随机效应模型相当于把固定效应模型中的截距看作是两个随机变量，一个是截面随机误差项，另一个是时间随机误差项。在随机效应模型下，所有包含个体影响效果的变量被假设为是外生的。对于选择固定效应模型还是随机效应模型，可以使用 Hausman 检验来判断。随机效应模型的优点是它能够反映出个体之间差异的随机性，并且模型的自由度比较高；缺点是它可能没有包括必要的解释变量。 |
