固定效应与随机效应系数相反,怎么回事

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

<P>固定效应</P>
<P>------------------------------------------------------------------------------<BR>         in |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]<BR>-------------+----------------------------------------------------------------<BR>          l  |   .6505898   .4512565     1.44   0.152    -.2414054    1.542585<BR>         al |  -.0663565   .0480219    -1.38   0.169    -.1612809     .028568<BR>         t   |  -.0295926    .059403    -0.50   0.619     -.147014    .0878289</P>
<P>随机效应</P>
<P>         in |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]<BR>-------------+----------------------------------------------------------------<BR>          l  |  -.2292012   .4259988    -0.54   0.591    -1.064143     .605741<BR>         al |   .0290513   .0476352     0.61   0.542    -.0643119    .1224145<BR>         t   |   .1452898   .0395333     3.68   0.000      .067806    .2227736</P>
<P>固定效应与随机效应系数相反,怎么回事</P>
<P>用hausman进行选择吗?</P>

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：固定效应 随机效应 Interval hausman ausman

当然，要看你的数据适合采用固定效应还是随机效应。

从检验结果上看，估计系数没有显著区别于零（看t值与z值）。这种情况下，估计系数符号相反也是常出现的。其实正负都无所谓，都是不显著（区别于零）的。

Random-effects GLS regression        Number of obs      =        18157
Group variable: id        Number of groups   =        8439

R-sq:  within  = 0.3700        Obs per group: min =        1
between = 0.3572        avg =        2.2
overall = 0.3893        max =        7

Random effects u_i ~ Gaussian        Wald chi2(17)      =        10661.42
corr(u_i, X)       = 0 (assumed)        Prob > chi2        =        0.0000

               
lwage       Coef.   Std. Err.        z    P>z     [95% Conf.        Interval]
               
eduformal    .0286573   .0022356        12.82   0.000     .0242755        .033039
age    .0526459    .002953        17.83   0.000     .0468581        .0584336
agesq   -.0006459   .0000362        -17.85   0.000    -.0007169        -.000575
moccupation   -.0580372   .0040806        -14.22   0.000    -.0660351        -.0500393
status    -.008589   .0072163        -1.19   0.234    -.0227327        .0055546
workunit   -.0177764     .00405        -4.39   0.000    -.0257143        -.0098384
dayswork    .0927779   .0054303        17.09   0.000     .0821347        .1034211
hourwork    .0481088   .0032251        14.92   0.000     .0417876        .0544299
gender    .2139392   .0148381        14.42   0.000      .184857        .2430214
urban    .1869902   .0152019        12.30   0.000     .1571951        .2167853
east    .1352672   .0147803        9.15   0.000     .1062984        .164236
yeard2    .0773081    .013818        5.59   0.000     .0502252        .1043909
yeard3    .2403913   .0146795        16.38   0.000     .2116199        .2691627
yeard4    .6218085    .016771        37.08   0.000     .5889379        .6546792
yeard5    .9267589   .0176702        52.45   0.000     .8921259        .9613919
yeard6     1.17769   .0211747        55.62   0.000     1.136189        1.219192
yeard7    1.174082   .0206957        56.73   0.000     1.133519        1.214645
_cons    3.290173   .0796948        41.28   0.000     3.133974        3.446372
               
sigma_u    .5285032
sigma_e    .5100321
rho    .5177801   (fraction        of variance due to u_i)
               
Fixed-effects (within) regression               Number of obs      =     18157
Group variable: id                              Number of groups   =      8439

R-sq:  within  = 0.3839                         Obs per group: min =         1
between = 0.0210                                        avg =       2.2
overall = 0.0015                                        max =         7

F(14,9704)         =    431.96
corr(u_i, Xb)  = -0.9683                        Prob > F           =    0.0000


lwage       Coef.   Std. Err.      t    P>t     [95% Conf. Interval]

eduformal    .0250096   .0056228     4.45   0.000     .0139877    .0360314
age     .320567   .0743815     4.31   0.000     .1747636    .4663703
agesq   -.0007383   .0000671   -11.01   0.000    -.0008697   -.0006068
moccupation   -.0321561   .0051211    -6.28   0.000    -.0421946   -.0221176
status   -.0539666   .0098433    -5.48   0.000    -.0732615   -.0346717
workunit    -.008508   .0055502    -1.53   0.125    -.0193876    .0023716
dayswork    .0706113   .0071564     9.87   0.000     .0565833    .0846394
hourwork    .0213958    .004267     5.01   0.000     .0130316    .0297601
gender   (dropped)
urban   (dropped)
east   (dropped)
yeard1   (dropped)
yeard2   -.3862887   .1431279    -2.70   0.007    -.6668492   -.1057282
yeard3   -.7506252   .2914588    -2.58   0.010    -1.321945   -.1793052
yeard4   -1.436529   .5901803    -2.43   0.015    -2.593406   -.2796531
yeard5   -1.903499    .811925    -2.34   0.019    -3.495042   -.3119573
yeard6   -2.633917   1.107429    -2.38   0.017    -4.804709    -.463125
yeard7   -3.036855   1.253868    -2.42   0.015    -5.494698   -.5790128
_cons   -4.107465   2.250404    -1.83   0.068    -8.518727    .3037964

sigma_u   3.5754873
sigma_e    .5100321
rho   .98005766   (fraction of variance due to u_i)

F test that all u_i=0:     F(8438, 9704) =     2.64          Prob > F = 0.0000

恰相反，且显著不等于0，怎么回事呢？谢谢！！