“傻瓜”学计量——随机效应模型

提纲：

1.随机效应模型原理

2.随机效应模型Stata指令

3.固定效应模型vs随机效应模型

一、随机效应模型

（一）什么时候选用？

存在个体效应or时间效应，且不存在内生性问题

（补充：内生性是指误差项和自变量之间有关系；自相关是指，自变量和自变量之间有关系）

（二）随机效应模型的原理

将误差项看成一个整体

1.性质

（1）误差项不同方差

（2）误差项之间存在序列相关

2.回归方法：feasible GLS 可行的广义最小二乘法

（思路：将原回归模型乘以一个权重，成为一个解决1.中两条性质，即“异方差”“序列相关”的模型，之后继续使用OLS来及逆行求解）

其中，u^2 是其他效应即uit的方差；T是面板数据的时间期数

          

当=0时，原模型即为混合模型，可以对原模型进行OLS回归；

当=1时，原模型即为固定效应模型。即个体效应比较明显，更适用于固定效应模型。

当0<<1时,司机效应模型

二、Stata指令——随机效应

1.举例(单因素个体效应)

xtset 个体变量 时间变量          告诉Stata个体变量和时间变量

xtreg 因变量 自变量（可能有多个），re                "re"是random effect的缩写

2.举例(单因素时间效应)

xtreg 因变量 自变量（可能有多个），re i(时间变量)

3.双因素随机效应（使用不多，stata不推荐）

三、固定效应模型vs随机效应模型——豪斯曼检验（Hausman Test）

（一）豪斯曼检验

1.假设

原假设：随机效应的回归系数是无偏的，可以使用随机效应

备择假设：随机效应的回归系数是有偏的，拒绝使用随机效应，使用固定效应

2.如何判断回归系数是否无偏？（豪斯曼检验（Hausman Test）的逻辑）

比较随机效应回归系数和固定效应回归系数，之间是否有显著的差别

第一种情况，当随机效应回归系数和固定效应回归系数相同，认为是无偏的，则使用随机效应模型更有效率，因此我们接受原假设，即使用随机效应（此时对应表格第二列，虽然两者回归系数相同，但固定效应标准误较大，因此随机效应回归系数更有效率）

第二种情况，反之，选择固定效应。即拒绝原假设，选择使用固定效应模型

3.Stata指令

xtreg 因变量 自变量（可能有多个），fe             先跑一个固定效应

estimates store 名称1                                           保存固定效应结果，并命名“名称1”

xtreg 因变量 自变量（可能有多个），re             再跑一个随机效应

estimates store 名称2                                           保存随机效应结果，并命名“名称2”

hausman 名称1 名称2                                           得出豪斯曼检验结果

怎么看hausman检验结果呢？

只看最后一行。

当p值<0.05,则需要拒绝原假设，选择固定效应模型

当p值>0.05,则接受原假设，选择随机效应模型