这个帖子本应该一个月零一天后发出来，但是那个时候，从经济学的供需来分析的话，是不合适的。因为，那一天，大家对于帖子的需求可能不会变太多，从我的经验来看，真正的光棍节很有可能伴随着未名BBS中pie版的火爆，这样为人人网分散了很多的关注度，不好。而且从供给来看，那时候很多光棍或者作者们开始提供稿子，同学们纷纷转载，这样就导致了供给增加而需求基本保持不变的窘境，以至于本人的帖子受到的关注度（相当于价格）降低。因此，在今天发出来吧。我们言归正传。为什么说单身好呢？我将单身比喻成面板数据下的固定效应回归，在这里，我衷心的希望广大的80位北京大学光华管理学院的金融硕士同学们稍微看看这个帖子，这样可以帮你们复习/预习一下计量的概念，因为下个学期，王亚平老师会assume你们已经学过了面板数据，因为我们本科时候讲过这些……之后就开始给大家一个美妙的计量经济学之旅。从我去年参加的情况来看，大家鬼哭狼嚎的比例较高。
什么是面板数据呢？就是一个样本中有n个体，每个个体一共出现T次，注意，是同一个个体，如果不是同一个个体的话，那么就是pseudo panel了，或者叫Crossectional Indepent Time Series，Deaton（1985）年开创性的研究引来了不少学者的关注，比如McKenzie(2001)等等。我们用面板数据的原因，是这样估计不仅仅可以得到不同个体之间的variation，还可以获得时间上的演进过程，并且，我们的样本量也相应的扩大了。
对于面板数据，目前比较常用的有四种方法，固定效应、随机效应、Pooled-OLS和between estimator，最后一个只是为了recover个体效应而使用的，一般不如random effect，我们不用理会。
在面板估计中，最稳健的（robust）估计是固定效应估计，因为得到的估计值考虑了个体效应和个体效应与解释变量的相关性，因此得到的估计应该是一致的（consistent），这就好比单身，单身的人呢，一个人吃饱，全家不饿，多好，一致的估计。而不得不说，这样的估计的效率会有一定的损失，random effect（随机效应）要比它更有效，因为它加了一个restriction，那就是个体效应和解释变量不相关，这就好比有了男女朋友的孩子们啊，你们有了一个restriction了，男生而言，在女朋友面前可能要表现的更加专一，不像我们这些单身汉可以随便的和哥们YY，啊哈。女生可能还要在男朋友面前强忍住自己的花痴与外貌协会会员的身份，不能和姐妹们评论帅哥了。更有效的，那就是pooled-OLS了，窃以为OLS是最有效的参数估计方法，它根本不care个体效应哎。这样的估计很有效，就好像即将走入婚姻殿堂的准夫妻或者夫妻们，你们的restriction更多了，另一半已经是确定了，从法律上约束你了~哈哈。
之前说的，好像看上去，单身不好，但是真的是这样的吗？我说过，单身估计（固定效应估计）是最稳健的估计，我们可以得到一致的估计值，而有了男女朋友的估计（随机效应估计），那可能有偏哦，谁知道个体效应和解释变量是不是相关的呢~~只好用hausman检验了，但是不容易啊，这些有了mm的gg和有了gg的mm原因中断自己的感情去做hausman test么（就是再比较比较这个恋人到底好不好~~~）。那更惨的就是结婚估计（pooled-OLS）了，因为连个体效应都忽略了，很可能有偏的，BP-LM检验（离婚从而回到男女朋友时代）成本更高啊。
总结一下，那就是，单身最稳健了，虽然没有效率，比如有一个，恋人在很多情况下还是很好的嘛，当然结婚更稳定了，个人问题解决了很重要啊，要不为什么现在国内老是出现什么珍爱网什么非诚勿扰这样的节目呢，那是因为现在人忙的个人问题都不好解决啊。但是，随着效率的提高，俺们得到的估计的不一致性（这个人是不是我们应该的另一半呢）的风险就更大了。
嗯，单身还是不错的。
参考文献：
Deaton, A.(1985): Panel Data from Time Series of Cross-sections,"Journal of Econometrics, 30, 109-126.
McKenzie, D. J.(2001): Estimation of AR(1) Models with Unequally Spaced Pseudo-panels," Econometrics Journal, 4, 89-108