区分固定效应和随机效应有什么用？！

RT:跪求解答

这两个模型是面板数据进行用到的，之所以要区分是因为两个模型的假设不一样，即假定不随着时间变得的那个不可观测因素是否与残差相关，区分其实就是做一个检验，目地就是看那个模型更加适合或者那个假定更加正确

楼主说的是HAUSMAN检验，常见于面板数据。
面板数据模型的误差项由两部分组成，一部分是与个体观察单位有关的，它概括了所有影响被解释变量，但不随时间变化的因素，因此，面板数据模型也常常被成为非观测效应模型；另外一部分概括了因截面因时间而变化的不可观测因素，通常被成为特异性误差或特异扰动项（事实上这第二部分误差还可分成两部分，一部分是不因截面变化但随时间变化的非观测因素对应的误差项Vt，这一部分一般大家的处理办法是通过在模型中引入时间虚拟变量来加以剥离和控制，另一部分才是因截面因时间而变化的不可观测因素。）
非观测效应究竟应假设为固定效应还是随机效应，关键看这部分不随时间变化的非观测效应对应的因素是否与模型中控制的观测到的解释变量相关，如果这个效应与可观测的解释变量不相关，则这个效应成为随机效应，反之为固定效应。这也正是HAUSMAN设定检验所需要检验的假说。
与楼上所说一致，这个检验只是为了告诉我们用哪个模型更稳妥，更科学，然后再进行后续实证研究

vickytao 发表于 2012-5-5 20:21
楼主说的是HAUSMAN检验，常见于面板数据。
面板数据模型的误差项由两部分组成，一部分是与个体观察单位有关 ...

赞一个先

学习了

固定效应更适合研究样本之间的区别，而随机效应适合由样本来推断总体特征。

同问：固定效应与随机效应的区分与模型设定（是否需要设立交互项）有关系吗？

同问：固定效应与随机效应的区分与模型设定（是否需要设立交互项）有关系吗？

区分固定效应和随机效应主要目的在于了解数据的特点，选择合适的回归参数估计方法。对于固定效应模型可以采用最小二乘虚拟变量回归（LSDV）或广义最小二乘法的协方差分析（ANCOVA）估计模型参数； 对于随机效应模型则可以采用广义最小二乘法（GLM）估计模型参数。