面板數(shù)據(jù)分析方法

1、面板數(shù)據(jù)分析方法,Baltagi,Baltagi著 白仲林主譯,第一節(jié) 面板數(shù)據(jù)的基本問題 第二節(jié) 面板數(shù)據(jù)的模型形式 第三節(jié) 面板數(shù)據(jù)模型的估計(jì)方法,第一節(jié) 面板數(shù)據(jù)的基本問題,一、面板數(shù)據(jù)的定義 二、面板數(shù)據(jù)的分類 三、面板數(shù)據(jù)的特點(diǎn),一、面板數(shù)據(jù)的定義,面板數(shù)據(jù)（panel data）是指由變量y關(guān)于N個(gè)不同對(duì)象的T個(gè)觀測(cè)期所得到的二維結(jié)構(gòu)數(shù)據(jù)，記為yit，其中，i表示N個(gè)不同對(duì)象（如國(guó)家、地區(qū)、行業(yè)、企業(yè)或消費(fèi)者等，一般稱之為第i個(gè)個(gè)體），t表示T個(gè)觀測(cè)期,面板數(shù)據(jù)是二維結(jié)構(gòu)數(shù)據(jù),時(shí)間序列數(shù)據(jù)或截面數(shù)據(jù)都是一維數(shù)據(jù)。時(shí)間序列數(shù)據(jù)是變量按時(shí)間得到的數(shù)據(jù)；截面數(shù)據(jù)是變量在固定時(shí)點(diǎn)的一組數(shù)據(jù)

2、。面板數(shù)據(jù)是同時(shí)在時(shí)間和截面上取得的二維數(shù)據(jù)。所以 ，面板數(shù)據(jù)(panel data)也稱作時(shí)間序列與截面混合數(shù)據(jù)(pooled time series and cross section data)。面板數(shù)據(jù)是截面上個(gè)體在不同時(shí)點(diǎn)的重復(fù)觀測(cè)數(shù)據(jù),面板數(shù)據(jù)是二維結(jié)構(gòu)數(shù)據(jù),Panel原指對(duì)一組固定調(diào)查對(duì)象的多次觀測(cè)，近年來panel data已經(jīng)成為專業(yè)術(shù)語(yǔ)。 面板數(shù)據(jù)從橫截面看(cross section)，是由若干個(gè)體(entity,unit,individual)在某一時(shí)點(diǎn)構(gòu)成的截面觀測(cè)值，從縱剖面(longitudinal section)看每個(gè)個(gè)體都是一個(gè)時(shí)間序列,數(shù)據(jù)結(jié)構(gòu)的二維性,時(shí)

3、間序列數(shù)據(jù),橫截面數(shù)據(jù),變量X的面板數(shù)據(jù)結(jié)構(gòu),面板數(shù)據(jù)是二維結(jié)構(gòu)數(shù)據(jù),第一節(jié) 面板數(shù)據(jù)的基本問題,一、面板數(shù)據(jù)的定義 二、面板數(shù)據(jù)的分類 三、面板數(shù)據(jù)的特點(diǎn),二、面板數(shù)據(jù)的分類,1.短面板與長(zhǎng)面板 短面板(short panel)：時(shí)間T較小，而個(gè)體數(shù)N較大。 長(zhǎng)面板(long panel)：時(shí)間T較大，而個(gè)體數(shù)N較小,二、面板數(shù)據(jù)的分類,2.微觀面板數(shù)據(jù)與宏觀面板數(shù)據(jù) 微觀面板數(shù)據(jù)一般指一段時(shí)期內(nèi)不同個(gè)體或者家庭的調(diào)查數(shù)據(jù)，其數(shù)據(jù)中往往個(gè)體單位較多，即N較大（通常均為幾百或上千）而時(shí)期數(shù)T較短（最短為兩個(gè)時(shí)期，最長(zhǎng)一般不超過20個(gè)時(shí)期,二、面板數(shù)據(jù)的分類,2.微觀面板數(shù)據(jù)與宏觀面板數(shù)據(jù) 宏觀

4、面板數(shù)據(jù)通常為一段時(shí)間內(nèi)不同國(guó)家或地區(qū)的數(shù)據(jù)集合，其個(gè)體單位數(shù)量N不大（一般為7-200）而時(shí)期數(shù)T較長(zhǎng)（一般為20-60年,二、面板數(shù)據(jù)的分類,3.動(dòng)態(tài)面板與靜態(tài)面板 在面板模型中，如果解釋變量包含被解釋變量的滯后值，則稱為“動(dòng)態(tài)面板”(dynamic panel)；反之，則稱為“靜態(tài)面板”(static panel,二、面板數(shù)據(jù)的分類,4.平衡面板數(shù)據(jù)與非平衡面板數(shù)據(jù) 如果在面板數(shù)據(jù)中，每個(gè)時(shí)期在樣本中的個(gè)體完全一樣，則稱為“平衡面板數(shù)據(jù)”(balanced panel)；然而，有時(shí)某些個(gè)體的數(shù)據(jù)可能缺失，或者新的個(gè)體后來才加入到調(diào)查中來，在這種情況下，每個(gè)時(shí)期觀測(cè)到的個(gè)體不完全相同，則稱

5、為“非平衡面板數(shù)據(jù)”(unbalanced panel,第一節(jié) 面板數(shù)據(jù)的基本問題,一、面板數(shù)據(jù)的定義 二、面板數(shù)據(jù)的分類 三、面板數(shù)據(jù)的特點(diǎn),三、面板數(shù)據(jù)的特點(diǎn),1.由于觀測(cè)值的增多，可以增加估計(jì)量的抽樣精度。 由于同時(shí)有截面維度與時(shí)間維度，通常面板數(shù)據(jù)的樣本容量更大，從而可以提高估計(jì)的精確度。 面板數(shù)據(jù)提供“更加有信息價(jià)值的數(shù)據(jù)，變量增加變異性，變量之間的共線性削弱了，并且提高了自由度和有效性,三、面板數(shù)據(jù)的特點(diǎn),2.提供更多個(gè)體動(dòng)態(tài)行為的信息。 由于面板數(shù)據(jù)同時(shí)有橫截面與時(shí)間兩個(gè)維度，有時(shí)可以解決單獨(dú)的截面數(shù)據(jù)或時(shí)間序列數(shù)據(jù)所不能解決的問題，對(duì)面板數(shù)據(jù)進(jìn)行回歸既可以像回歸分析截面數(shù)據(jù)一樣

6、捕獲個(gè)體間的差異變化，又可以研究個(gè)體隨時(shí)間的變化情況,三、面板數(shù)據(jù)的特點(diǎn),2.提供更多個(gè)體動(dòng)態(tài)行為的信息。 案例：考慮如何區(qū)分規(guī)模效應(yīng)與技術(shù)進(jìn)步對(duì)企業(yè)生產(chǎn)效率的影響。對(duì)于截面數(shù)據(jù)來說，由于沒有時(shí)間維度，故無(wú)法觀測(cè)到技術(shù)進(jìn)步。然而，對(duì)于單個(gè)企業(yè)的時(shí)間序列數(shù)據(jù)來說，我們無(wú)法區(qū)分其生產(chǎn)效率的提高究竟有多少是由于規(guī)模擴(kuò)大，有多少是由于技術(shù)進(jìn)步,三、面板數(shù)據(jù)的特點(diǎn),3.可以解決遺漏變量問題。 遺漏變量偏差是一個(gè)普遍存在的問題。雖然可以用工具變量法解決，但有效的工具變量常常很難找。遺漏變量常常是由于不可觀測(cè)的個(gè)體差異或“異質(zhì)性”造成的，如果這種個(gè)體差異“不隨時(shí)間而改變”，則面板數(shù)據(jù)提供了解決遺漏變量問題的

7、又一利器,三、面板數(shù)據(jù)的特點(diǎn),4.帶來一些問題。 （1）由于綜合了兩種數(shù)據(jù)類型，面板數(shù)據(jù)分析方法相對(duì)更加復(fù)雜。 （2）由于同一個(gè)體不同時(shí)期的數(shù)據(jù)一般存在自相關(guān)，樣本數(shù)據(jù)通常不滿足獨(dú)立同分布的假定。 （3）面板數(shù)據(jù)的收集成本通常較高，不易獲得,圖6 圖7,File：5panel02a,用原變量建模還是用對(duì)數(shù)變量建模,人均消費(fèi)對(duì)收入的面板數(shù)據(jù)散點(diǎn)圖 對(duì)數(shù)的人均消費(fèi)對(duì)收入的面板數(shù)據(jù)散點(diǎn)圖,本例用對(duì)數(shù)數(shù)據(jù)研究更合理,圖8 圖9,盡管兩個(gè)地區(qū)的水平值差異很大，但消費(fèi)結(jié)構(gòu)并沒有太大的變化,第一節(jié) 面板數(shù)據(jù)的基本問題 第二節(jié) 面板數(shù)據(jù)的模型形式 第三節(jié) 面板數(shù)據(jù)模型的估計(jì)方法,其中： 和 分別表示居民的消費(fèi)

8、與收入。 反映不隨時(shí)間變化的個(gè)體上的差異性（個(gè)體效應(yīng)） 反映不隨個(gè)體變化的時(shí)間上的差異性（時(shí)間效應(yīng),例1：居民消費(fèi)行為與收入的關(guān)系,例2. 農(nóng)村居民收入分析,14.1.3,面板數(shù)據(jù)：多個(gè)觀測(cè)對(duì)象的時(shí)間序列數(shù)據(jù)所組成的樣本數(shù)據(jù),反映不隨個(gè)體變化的時(shí)間上的差異性， 被稱為時(shí)間效應(yīng),反映不隨時(shí)間變化的個(gè)體上的差異性， 被稱為個(gè)體效應(yīng),第二節(jié) 面板數(shù)據(jù)的模型形式,一、個(gè)體效應(yīng)模型 二、固定效應(yīng)模型 三、隨機(jī)效應(yīng)模型 四、雙向效應(yīng)模型,其中： 為 的矩陣， 為k個(gè)解釋變量的第i個(gè)個(gè)體在 第t時(shí)期的觀測(cè)值，為 的矩陣。zi為不隨時(shí)間 而變的個(gè)體特征，即 。擾動(dòng)項(xiàng)由 兩部分構(gòu)成，被稱為“復(fù)合擾動(dòng)項(xiàng),個(gè)體效應(yīng)

9、模型(individual-specific effects model)假定 樣本中每個(gè)個(gè)體的回歸方程斜率相同，但截距項(xiàng)不同,一、個(gè)體效應(yīng)模型,復(fù)合擾動(dòng)項(xiàng)： 不可觀測(cè)的隨機(jī)變量 是代表個(gè)體異質(zhì)性的截距項(xiàng)。 為隨個(gè)體與時(shí)間而變的擾動(dòng)項(xiàng)。 假定 為獨(dú)立同分布的，且與 不相關(guān),個(gè)體效應(yīng)模型,1.它表示不可觀測(cè)的個(gè)體特殊效應(yīng)、潛在變量、不可觀測(cè) 的異質(zhì)性等。考慮到個(gè)人或者任一家庭、企業(yè)都具有很 難被調(diào)查者觀察到的獨(dú)有的特征，這種特殊效應(yīng)在整個(gè) 時(shí)間范圍內(nèi) 是保持不變的。 2.某些場(chǎng)合下將其視為常數(shù)，但這也是隨機(jī)變量的特例， 即退化的隨機(jī)變量,對(duì)于個(gè)體效應(yīng),取對(duì)數(shù)后，模型變?yōu)椋?在這里， 代表著企業(yè)不

10、隨時(shí)間變化并且不可觀測(cè)到的 特殊效應(yīng)，它表示一個(gè)企業(yè)的管理才能、員工素質(zhì)等,例：一個(gè)企業(yè)的柯布-道格拉斯生產(chǎn)函數(shù),1.如果 與所有解釋變量 均不相關(guān)，則進(jìn)一步稱之 為“隨機(jī)效應(yīng)模型”(Random Effects Model,RE)。 2.如果 與某個(gè)解釋變量相關(guān)，則進(jìn)一步稱之為“固定效 應(yīng)模型(Fixed Effects Model,FE,個(gè)體效應(yīng) 與解釋變量 的相關(guān)性,第二節(jié) 面板數(shù)據(jù)的模型形式,一、個(gè)體效應(yīng)模型 二、固定效應(yīng)模型 三、隨機(jī)效應(yīng)模型 四、雙向效應(yīng)模型,固定效應(yīng)模型形式同樣與個(gè)體效應(yīng)模型相同，但是在 固定效應(yīng)模型中假定 為需要估計(jì)的固定參數(shù)，它可以 與解釋變量之間存在相關(guān)性。

11、 固定效應(yīng)模型意味著存在內(nèi)生解釋變量。在 隨 時(shí)間變化的情況下，固定效應(yīng)模型所得到的第j個(gè)解釋 變量的邊際效應(yīng)估計(jì)量同樣是一致的。然而，同隨機(jī)效 應(yīng)模型相比，固定效應(yīng) 模型中存在參數(shù)過多和自由度損 失過多等問題,二、固定效應(yīng)模型,第二節(jié) 面板數(shù)據(jù)的模型形式,一、個(gè)體效應(yīng)模型 二、固定效應(yīng)模型 三、隨機(jī)效應(yīng)模型 四、雙向效應(yīng)模型,對(duì)于隨機(jī)效應(yīng)模型，一般采用可行的廣義最小二乘法 (FGLS)對(duì)其進(jìn)行估計(jì)，由于 被假定為隨機(jī)的，無(wú)須估 計(jì)， 因此使用隨機(jī)效應(yīng)模型可以一次得到所有系數(shù)的估 計(jì)值從而進(jìn)行邊際分析。但是，如果隨機(jī)效應(yīng)模型選取 不恰當(dāng)所得到的參數(shù)估計(jì)值將是不一致的,隨機(jī)效應(yīng)模型形式與個(gè)體效應(yīng)

12、模型相同，在隨機(jī)效應(yīng) 模型中假定 是完全隨機(jī)的，即 與解釋變量無(wú)關(guān),三、隨機(jī)效應(yīng)模型,第二節(jié) 面板數(shù)據(jù)的模型形式,一、個(gè)體效應(yīng)模型 二、固定效應(yīng)模型 三、隨機(jī)效應(yīng)模型 四、雙向效應(yīng)模型,雙向效應(yīng)模型(two-way-effects model)也可稱為雙因 素誤差模型，它將未觀測(cè)到的個(gè)體效應(yīng)和時(shí)間效應(yīng)引入 模型，是個(gè)體效應(yīng)模型的標(biāo)準(zhǔn)延伸。 這里t僅隨時(shí)間變化而不隨個(gè)體變化，表示所有未包 含在回歸模型中的發(fā)生在特定時(shí)期的影響，如地震對(duì)某 一時(shí)期企業(yè)生產(chǎn)的影響,四、雙向效應(yīng)模型,雙向固定效應(yīng)模型(Two-way FE,對(duì)于短面板數(shù)據(jù)，通常將時(shí)間效應(yīng)看做固定效應(yīng)，如果個(gè) 體效應(yīng)模型中含有時(shí)間趨勢(shì)項(xiàng)或

13、包含時(shí)間虛擬變量，則稱 之為雙向固定效應(yīng)模型。 （1）在固定效應(yīng)模型中引入時(shí)間趨勢(shì)項(xiàng)t，它僅依時(shí)間而變化，而不依個(gè)體而變。 （2）對(duì)每個(gè)時(shí)期定義一個(gè)虛擬變量，然后把(T-1)個(gè)時(shí)間虛擬變量包括在回歸方程中（未包括的時(shí)間虛擬變量即為基期,第一節(jié) 面板數(shù)據(jù)的基本問題 第二節(jié) 面板數(shù)據(jù)的模型形式 第三節(jié) 面板數(shù)據(jù)模型的估計(jì)方法,第三節(jié) 面板數(shù)據(jù)模型的估計(jì)方法,一、混合最小二乘估計(jì) 二、固定效應(yīng)模型的估計(jì)方法 三、隨機(jī)效應(yīng)模型的估計(jì)方法,一、混合最小二乘估計(jì)(Pooled OLS,假定所有個(gè)體都擁有完全一樣的回歸方程： 其中，xit不包括常數(shù)項(xiàng)，這樣，就可以直接把所有數(shù)據(jù) 放在一起，像對(duì)待橫截面數(shù)據(jù)那

14、樣進(jìn)行OLS回歸，故被 稱為“混合回歸”(pooled OLS,人均消費(fèi)對(duì)人均可支配收入的彈性系數(shù)是0.9694,人均消費(fèi)對(duì)人均可支配收入的邊際系數(shù)是0.9694 CPit /IPit,對(duì)案例1人均消費(fèi)CP與收入IP的面板數(shù)據(jù)進(jìn)行混合估計(jì),注意,1.由于面板數(shù)據(jù)的特點(diǎn)，雖然通常可以假設(shè)不同個(gè)體之 間的擾動(dòng)項(xiàng)相互獨(dú)立，但同一個(gè)體在不同時(shí)期的擾動(dòng)項(xiàng) 之間往往存在自相關(guān)。此時(shí)，對(duì)標(biāo)準(zhǔn)差的估計(jì)應(yīng)該使用 聚類穩(wěn)健的標(biāo)準(zhǔn)差(cluster-robust standard error)，而所 謂聚類就是由每個(gè)個(gè)體不同時(shí)期的所有觀測(cè)值所組成。 同一聚類（個(gè)體）的觀測(cè)值允許存在相關(guān)性，而不同聚 類（個(gè)體）的觀測(cè)

15、值則不相關(guān),注意,2.混合回歸的基本假設(shè)是不存在個(gè)體效應(yīng)。對(duì)于這個(gè)假 設(shè)必須進(jìn)行統(tǒng)計(jì)檢驗(yàn)。由于個(gè)體效應(yīng)以兩種不同的形態(tài) 存在（即隨機(jī)效應(yīng)與固定效應(yīng)），因此需要分別對(duì)其進(jìn) 行檢驗(yàn),第三節(jié) 面板數(shù)據(jù)模型的估計(jì)方法,一、混合最小二乘估計(jì) 二、固定效應(yīng)模型的估計(jì)方法 三、隨機(jī)效應(yīng)模型的估計(jì)方法,二、固定效應(yīng)模型的估計(jì)方法,對(duì)于固定效應(yīng)模型： 由于 被假定為需要估計(jì)的固定參數(shù)并允許與解釋變 量相關(guān)，因此，估計(jì)固定效應(yīng)模型中的系數(shù) 時(shí)便可以 考慮通過變換模型形式從而消除這一不可觀測(cè)到的個(gè)體 效應(yīng),二、固定效應(yīng)模型的估計(jì)方法,一）組內(nèi)估計(jì) 對(duì)于固定效應(yīng)模型，給定第i個(gè)個(gè)體，將方程 兩邊對(duì)時(shí)間取平均可得 用原

16、模型減去平均后的方程，可得其離差形式,二、固定效應(yīng)模型的估計(jì)方法,定義 則 由于上式中已將 消去，故只要 與 不相關(guān)，則可 以用OLS一致地估計(jì) ，稱為“固定效應(yīng)估計(jì)量” (Fixed Effects Estimator)，記為 。由于其主要使用了 每個(gè)個(gè)體的組內(nèi)離差信息，故也稱為“組內(nèi)估計(jì)量” (within estimator,注意,即使個(gè)體特征 與解釋變量 相關(guān)，只要使用組 內(nèi)估計(jì)量，就可以得到一致估計(jì)，但在作離差轉(zhuǎn)換的過 程中， 也被消掉了，故無(wú)法估計(jì) 。即 無(wú)法估計(jì) 不隨時(shí)間而變的變量的影響,注意,另外，為了保證 與 不相關(guān)，則要 求第i個(gè)觀測(cè)值滿足嚴(yán)格外生性，即 ， 因?yàn)?中包含了

17、所有 的信息。換言之，擾 動(dòng)項(xiàng)必須與各期的解釋變量均不相關(guān)（而不僅僅是當(dāng)期 的解釋變量），這是一個(gè)比較強(qiáng)的假定,二、固定效應(yīng)模型的估計(jì)方法,二）最小二乘虛擬變量模型(LSDV) 對(duì)于固定效應(yīng)模型： 在方程中引入(n-1)個(gè)虛擬變量（如果沒有截距項(xiàng)，則 引入n個(gè)虛擬變量）來代表不同的個(gè)體，則可以得到與 上述離差模型同樣的結(jié)果，稱為“最小二乘虛擬變量模 型”(Least Square Dummy Variable Model,虛擬變量回歸的特點(diǎn),使用LSDV方法所給出的估計(jì)值，與我們用組內(nèi)估計(jì)方法得到的估計(jì)值恰好一樣，而且標(biāo)準(zhǔn)誤和其他主要統(tǒng)計(jì)量也是一樣。因此，固定效應(yīng)估計(jì)量可以從虛擬變量回歸得到。

18、 從LSDV方法算出的可決系數(shù)的值通常都比較高，這是因?yàn)槲覀儗?duì)每一橫截面單位都包含了一個(gè)虛擬變量，以致能解釋數(shù)據(jù)中的變異的大部分,從結(jié)果看，北京、上海、浙江是自發(fā)消費(fèi)（消費(fèi)函數(shù)截距）最大的3個(gè)地區(qū),注意,使用LSDV方法雖然可以得到對(duì)個(gè)體異質(zhì)性 的 估計(jì)，但是會(huì)損失很大的自由度，并在估計(jì)(n-1)個(gè)額外 的參數(shù)時(shí)，大量的虛擬變量會(huì)加劇回歸方程的多重共線 性問題，也不能估計(jì)非時(shí)變(time-constant)變量效應(yīng)。 此外，LSDV方法也不能解決內(nèi)生性問題,LSDV的估計(jì)效果,Islam(2000)運(yùn)用蒙特卡羅模擬研究了一些關(guān)于經(jīng)濟(jì)增長(zhǎng)收斂方面的面板數(shù)據(jù)估計(jì)。研究發(fā)現(xiàn)，如果以小樣本偏差和預(yù)測(cè)誤

19、差的標(biāo)準(zhǔn)方差來判斷的話，LSDV估計(jì)在小樣本上的估計(jì)結(jié)果最好，其估計(jì)效果甚至比GMM估計(jì)和工具變量(IV)估計(jì)都更好,Islam (2000)對(duì)此提供的一種理論解釋是，GMM和IV估計(jì)在小樣本上估計(jì)效果不好的原因是因?yàn)?，這兩種方法的優(yōu)點(diǎn)都依賴于回歸估計(jì)中所能選擇到的最優(yōu)權(quán)重矩陣，而這一權(quán)重在回歸中可能會(huì)收到數(shù)據(jù)噪聲,LSDV的估計(jì)效果,二、固定效應(yīng)模型的估計(jì)方法,三）一階差分法 對(duì)于固定效應(yīng)模型，給定第i個(gè)個(gè)體，將方程 兩邊進(jìn)行一階差分，以消去個(gè)體效應(yīng)，得 對(duì)上述差分形式的方程使用OLS就可以得到“一階差分 估計(jì)量”，記為,組內(nèi)估計(jì)量與一階差分估計(jì)量,由于 不再出現(xiàn)在差分方程中，只要擾動(dòng)項(xiàng)的一

20、階差分 與解釋變量的一階差分 不相關(guān)，則 是一致的。此一致性條件比保證 一致的嚴(yán)格外生 性假定更弱，這是 的主要優(yōu)點(diǎn),組內(nèi)估計(jì)量與一階差分估計(jì)量,組內(nèi)估計(jì)和一階差分都假設(shè)不可觀測(cè)的個(gè)體效應(yīng)與 解釋變量相關(guān)，兩種估計(jì)方法在T=2時(shí)產(chǎn)生相同的估計(jì) 量和推斷。當(dāng)總體時(shí)期T2時(shí)，在 序列不相關(guān)，獨(dú)立 同分布的情況下，組內(nèi)估計(jì)量 比一階差分估計(jì)量 更有效率。因此，在實(shí)踐上，主要使用 ，而較少用,第三節(jié) 面板數(shù)據(jù)模型的估計(jì)方法,一、混合最小二乘估計(jì) 二、固定效應(yīng)模型的估計(jì)方法 三、隨機(jī)效應(yīng)模型的估計(jì)方法,三、隨機(jī)效應(yīng)模型的估計(jì)方法,對(duì)于回歸方程： 隨機(jī)效應(yīng)模型假定 與解釋變量 均不相關(guān)，故 OLS是一致的

21、。然而，由于擾動(dòng)項(xiàng)由 組成，不是 球型擾動(dòng)項(xiàng)（同方差、無(wú)自相關(guān)），因此，OLS不是最 有效率的,由于 的存在，同一個(gè)體不同時(shí)期的擾動(dòng)項(xiàng)之間存在自 相關(guān),具體來說，用OLS來估計(jì)以下“廣義離差” (quasi-demeaned) 模型,組間估計(jì)(Between Estimator,究竟該用固定效應(yīng)還是隨機(jī)效應(yīng)模型,當(dāng)我們?cè)谌粘Ｑ芯恐羞x取模型形式時(shí)，不能確定未觀測(cè)到的個(gè)體效應(yīng)是否與解釋變量相關(guān)，因而不能恰當(dāng)?shù)卦诠潭ㄐ?yīng)模型和隨機(jī)效應(yīng)模型之間進(jìn)行選取。錯(cuò)誤選取模型類型，將影響我們的參數(shù)估計(jì)量等從而影響對(duì)具體問題的分析。在處理面板數(shù)據(jù)時(shí)，究竟該使用固定效應(yīng)模型還是隨機(jī)效應(yīng)模型是一個(gè)根本問題,Hausm

22、an檢驗(yàn),原假設(shè)H0： 與 不相關(guān)（模型應(yīng)設(shè)定為隨機(jī)效應(yīng)） 備擇假設(shè)H1： 與 相關(guān)（模型設(shè)定為固定效應(yīng)） Hausman檢驗(yàn)統(tǒng)計(jì)量,固定效應(yīng)模型與隨機(jī)效應(yīng)模型哪個(gè)更好一些,隨機(jī)效應(yīng)模型的好處是節(jié)省自由度。對(duì)于從時(shí)間和截面兩方面看都存在較大變化的數(shù)據(jù)，隨機(jī)效應(yīng)模型能明確地描述出誤差來源的特征。 固定效應(yīng)模型的好處是，很容易分析任意截面數(shù)據(jù)所對(duì)應(yīng)的應(yīng)變量與全部截面數(shù)據(jù)對(duì)應(yīng)的因變量均值的差異程度,Wooldridge(2000,在實(shí)際應(yīng)用時(shí)，是選擇固定效應(yīng)模型還是選擇隨機(jī)效應(yīng)模型？一般的經(jīng)驗(yàn)的做法是，如果研究者預(yù)期建立面板數(shù)據(jù)模型推斷樣本空間的經(jīng)濟(jì)關(guān)系，則模型設(shè)定為固定效應(yīng)模型會(huì)更合理一些。否則，如果研究樣本是從總體隨機(jī)抽樣得到的，并且預(yù)期利用模型解釋或推斷總體的