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