随机效应估算与固定效应估算_面板数据固定效应 vs. 随机效应

原标题：面板数据固定效应 vs. 随机效应

来源：不止点滴

一般来说，经济数据有三种类型：横截面数据(包括混合横截面数据)、面板数据和时间序列数据。对于应用微观研究而言，主要还是采用前两种数据类型，时间序列数据多应用于金融等方面的研究，由于我基本不做时间序列分析，以下就不再提及该数据类型。在有选择权的情况下(对于同一个研究主题，同时有横截面和面板数据可供选择)，建议毫不犹豫地采用面板数据。

理由在于，相对于横截面数据，面板数据具有众多优势。简单讲三个优势：一是面板数据具有更多的样本量和信息量，可以降低变量之间共线性的可能性、增加检验统计量的自由度和增强估计结果的有效性；二是面板数据除了截面维度外，还具有时间维度，从而可以考察效应的时间变化趋势，进行动态分析；三是面板数据一定程度上可以减轻万恶的内生性问题(由遗漏变量引起的内生性)，至于原因，将是下面要讲的重点。

在建立好计量模型和选用了面板数据后，接下来就是用适当的计量方法对模型进行估计了。对于面板数据下的模型，有三种常用的估计方法：固定效应估计、随机效应估计和混合效应估计。什么叫混合效应估计呢？就是把时间维度和截面维度的数据混合起来，极端地将面板数据看成一般的截面数据，然后用OLS来估计。可以发现，混合效应估计根本就没有发挥出面板数据应有的优势，因而在实践中并不推荐使用。从而面对面板数据时，或者用固定效应估计，或者用随机效应估计。

什么叫固定效应模型或者随机效应模型呢？对于如下的静态面板模型(解释变量中不包含被解释变量的滞后项&