random effect， fixed effect model 它们的意义何在呢？

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

我研究房地产公司的资本结构。
老师要我做OLS 分析， 和fixed effect， random effect 分析，用hausman test 确定到底是哪个effect？

我做了OLS， 用了hausman test 确定是random effect，
然而，这说明了什么啊？请哪位高人指点下？
还有我要用公式表达我的线性关系，是参考OLS的回归系数，还是看random effect model 的系数啊？


我急，谢谢高人指点！！！

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19 回帖

关键词：fixed effect Effect random Fixed model Effect model Fixed random

给你一个链接，可能有帮助：
http://hi.baidu.com/healthstat/b ... a4b379ca80c496.html

jeffrey wooldridge (2002) book, econometric analysis of cross-sectional and panel data. it's everywhere.

1

这个基本原理还是得看看书，可看伍德里奇的书，写得比较详细。

because you have a panel, (time series and cross-sectional), the differences between units are called individual effects or heterogeneity.
Panel data models acknowledge that different units behave differently by adding an individual heterogeneity term denoted to the pooled model as follows:
There are two popular panel data models that account for individual heterogeneity in two different ways.
The first model is called the fixed effects model and it assumes that the heterogeneity term f and the independent variables x are correlated.
The second model is called the random effects model and it assumes that the heterogeneity term f and the independent variables x are not correlated.

you need do Hausma test to choose btw fixed effects and random effects model

1. Estimate the fixed effects model using the command:
xtreg invest assets, fe
2. Store the results from Step 1 using the command:
est store fixed
3. Estimate the random effects model using the command:
xtreg invest assets, re
4. Finally generate the Hausman test statistic using the command
hausman fixed

The estimation of panel data models boils down to the choice between three estimators:
1. The pooled model should be used when there is no individual heterogeneity in the model.
2. When there is individual heterogeneity and it is not correlated with the independent variables of the model, the random effects model should be preferred. The Hausman test helps us decide
whether this is the case or not.
3. If the individual heterogeneity is correlated with the independent variables, the fixed effects model should be used.

当然是看随机效应的系数啦

回归要控制住最重要的因素，但是如果有一些因素对Y有很重要的影响，你却没有办法获得其观察值，例如能力对于考试成绩的影响回归中，能力一定是一个重要变量，但是你却观察不到（所谓的智商等只是能力的一个侧面）。在panel中，将这种东西放到个体效应中处理，解决了不可观测变量的控制问题。

个体效应分为随机效应和固定效应。很早以前固定效应指那种个体效应不是一个随机变量，在回归中相当于作为截距项处理。随机效应是一个随机变量，有一个假设分布。随机效应就相当于将误差里面的一个成分分离出来，算是控制了不可观察因素，同时这个随机效应被假设为不同X相关。

但是在实际操作上，如何分辨个体效应的随机还是固定，一直存在争论。传统的观点是，如果你的截面中包含了整个样本空间，那么相当于没有随机问题了，就用固定效应，如果你的截面只是样本空间的一个子集，那么涉及到抽样问题，因此就用随机效应。例如全国31个省市，如果你用31个省市的面板做，则用固定效应，因为你的样本空间就是31，不存在随机抽样问题。如果你只有5个省的面板，那么就用随机效应。（这一点和前面chyshl 在2楼的链接里面的思想是一样的。只有5个省的数据，你要推知全国，就要用随机效应。）

不过，这种简单的处理方法很快就碰到了无法解释的事情。第一，5个省是随机抽样出来的吗？不是的话怎么能用随机效应的假设分布呢？第二，你怎么知道你的样本空间是什么？如果用了31个省市，就是全样本了嘛？如果你做跨国数据，同样用到这31个省市，你就只能用随机效应了，在更大的范围内，31就是一个抽样。那这31一会儿是随机，一会儿是非随机，显然逻辑上有问题。真相只能有一个。

为了解决这个问题，现在的计量经济学书上全部将传统的观点改成了技术上公认的一种做法：如果个体效应和X相关，用固定效应比随机效应好，如果不相关，那么用随机效应效果好，但是固定效应也能用。检验方法就是hausman检验。如果检验失败，建议采用固定效应。

OLS估计结果有什么用？如果你的模型中不存在上面所说的“不可观测变量”，那么就没有必要用个体效应模型，直接用OLS回归就可以了。如果存在不可观测变量，那么你的OLS估计是有偏的，也就是不可靠的，自然不能用。

总之，一句话，用什么假设得到什么结果，结果之间的选择在于你对你的模型有什么看法。有什么看法决定你用什么假设，最终决定你有什么结果。

zerana 发表于 2009-10-7 20:39
回归要控制住最重要的因素，但是如果有一些因素对Y有很重要的影响，你却没有办法获得其观察值，例如能力对于考试成绩的影响回归中，能力一定是一个重要变量，但是你却观察不到（所谓的智商等只是能力的一个侧面）。在panel中，将这种东西放到个体效应中处理，解决了不可观测变量的控制问题。

个体效应分为随机效应和固定效应。很早以前固定效应指那种个体效应不是一个随机变量，在回归中相当于作为截距项处理。随机效应是一个随机变量，有一个假设分布。随机效应就相当于将误差里面的一个成分分离出来，算是控制了不可观察因素，同时这个随机效应被假设为不同X相关。

但是在实际操作上，如何分辨个体效应的随机还是固定，一直存在争论。传统的观点是，如果你的截面中包含了整个样本空间，那么相当于没有随机问题了，就用固定效应，如果你的截面只是样本空间的一个子集，那么涉及到抽样问题，因此就用随机效应。例如全国31个省市，如果你用31个省市的面板做，则用固定效应，因为你的样本空间就是31，不存在随机抽样问题。如果你只有5个省的面板，那么就用随机效应。（这一点和前面chyshl 在2楼的链接里面的思想是一样的。只有5个省的数据，你要推知全国，就要用随机效应。）

不过，这种简单的处理方法很快就碰到了无法解释的事情。第一，5个省是随机抽样出来的吗？不是的话怎么能用随机效应的假设分布呢？第二，你怎么知道你的样本空间是什么？如果用了31个省市，就是全样本了嘛？如果你做跨国数据，同样用到这31个省市，你就只能用随机效应了，在更大的范围内，31就是一个抽样。那这31一会儿是随机，一会儿是非随机，显然逻辑上有问题。真相只能有一个。

为了解决这个问题，现在的计量经济学书上全部将传统的观点改成了技术上公认的一种做法：如果个体效应和X相关，用固定效应比随机效应好，如果不相关，那么用随机效应效果好，但是固定效应也能用。检验方法就是hausman检验。如果检验失败，建议采用固定效应。

OLS估计结果有什么用？如果你的模型中不存在上面所说的“不可观测变量”，那么就没有必要用个体效应模型，直接用OLS回归就可以了。如果存在不可观测变量，那么你的OLS估计是有偏的，也就是不可靠的，自然不能用。

总之，一句话，用什么假设得到什么结果，结果之间的选择在于你对你的模型有什么看法。有什么看法决定你用什么假设，最终决定你有什么结果。

学习学习

简单说，就是如何对待非观测效应（unobserved effect）的问题：
如果你认为unobserved effect与你的所有解释变量不相关，那么这符合random effect模型的观点（不会出现解释变量的内生性问题，最多就是有序列相关问题，用GLS就可以解决）；
如果你不能确定unoberved effect与所有解释变量是否相关，这就符合fixed effect模型的观点（在这种情况下，可能会出现解释变量的内生性问题，那么先得想办法干掉unoberved effect，通过牺牲估计量的效率来保证估计量的无偏性和一致性）。
当然，unoberved effect在统计意义上是否与解释变量相关，得用Hausman检验来判断。