. xtreg zbd resi ln le r fi i.year i.indu,fe
note: 2.indu omitted because of collinearity
note: 8.indu omitted because of collinearity
note: 9.indu omitted because of collinearity
note: 13.indu omitted because of collinearity
note: 15.indu omitted because of collinearity
Fixed-effects (within) regression Number of obs = 1602
Group variable: newcode Number of groups = 1247
R-sq: within = 0.6177 Obs per group: min = 1
between = 0.4250 avg = 1.3
overall = 0.4561 max = 4
"国内很多期刊都利用固定效应模型"的理由当然可能是 Hausman test 拒绝 RE 的虚无假设,更可能是他们直接利用 FE,因为不管 RE 的虚无假设 $cov(x_i,\mu_i)=0$ 是对的,或是 FE 的对立假设 $cov(x_i,\mu_i)\not=0$ 是对的,利用 FE 都是 consistent。所以连国外顶尖期刊中,一般都直接用 FE 估计式。
"国内很多期刊都利用固定效应模型"的理由当然可能是 Hausman test 拒绝 RE 的虚无假设,更可能是他们直接利用 FE,因为不管 RE 的虚无假设 $cov(x_i,\mu_i)=0$ 是对的,或是 FE 的对立假设 $cov(x_i,\mu_i)\not=0$ 是对的,利用 FE 都是 consistent。所以连国外顶尖期刊中,一般都直接用 FE 估计式。
The bottom line is: 不管解释变量与个别效果是否有关(RE/FE之区别,请查一下教科书),FE 估计式都是一致的 (consistent)。即使是解释变量与个别效果无关(RE背后之假设),RE 是 consistent and efficient,FE 还是 consistent but inefficient。但若是解释变量与个别效果有关(FE背后之假设),RE 既不是 consistent 就不用说是 efficient,FE 还是 consistent(所以 FE 估计式是比较 robust)。所以,几乎顶尖期刊中都直接用 FE estimator,也就是牺牲一点效率("即使" RE 的假设是对的)而求得一致的估计值。至于自相关和异方差问题,可以用 cluster(id) 之类的修正来处理!