聚类分析作为多元统计分析中的一种重要分析方法,已经被广泛地应用到许多领域中。但是传统聚类方法的研究对象一般是某个时点上的截面数据,这些方法不能直接用来分析面板数据,因此探索适用于面板数据的聚类方法就变得十分必要。在进行聚类分析时,无论采用何种聚类方法都需要先定义所要聚类对象间的相似性度量。由于面板数据具有时间维度和指标维度两方面的信息,因此在定义面板数据的相似性度量时,如何充分利用这两方面的信息是关键所在。本文在已有研究的基础上,对面板数据的聚类方法进行了研究。主要研究内容如下:1.提出一种基于三角网格化的聚类分析方法,根据面板数据在三维空间中的曲面表现形式将其三角网格化,通过分析曲面的几何形状来表征个体曲面的整体趋势情况,利用一个指数调节函数融合个体曲面间的距离相近度和形状相似度,综合考虑其截面静态信息与时间变化动态信息。定义基于指数调节函数的新距离作为个体间相似性度量的标准,在此基础上利用传统的聚类方法进行分析。2.利用本文提出的基于三角网格化的聚类方法对我国18个城市的空气质量面板数据进行了聚类分析,通过方差分析检验聚类结果的有效性,最终将这18个城市分为了五类,分析了每一类城市的特点及演变情况,研究了各类城市之间的差异。3.将本文所提出方法的聚类结果与只采用平方欧氏距离的聚类结果相比较分析指数调节函数对个体间距离的调节作用,并通过与截面数据聚类结果相比较进行动态分析。通过聚类结果之间的比较,可以发现本文所提出的方法得到的聚类结果能够反映出个体间指标维度上的差异情况与时间维度上的综合变化情况。因此,本文所提出的基于三角网格化的聚类方法适用于面板数据聚类分析。