急问，霍斯曼检验结果与LM检验、F检验结果相斥如何选择，数据如下图

. 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

                                                F(17,338)          =     32.13
corr(u_i, Xb)  = -0.0805                        Prob > F           =    0.0000

------------------------------------------------------------------------------
         zbd |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
      res|   .0053305   .0024742     2.15   0.032     .0004636    .0101973
      ln |  -.0044212   .0033105    -1.34   0.183    -.0109329    .0020906
         le |   .0240151   .0131418     1.83   0.069    -.0018349     .049865
         r |   .0556437   .0240784     2.31   0.021     .0082812    .1030061
       fi |  -.0170486   .0188803    -0.90   0.367    -.0541863    .0200891
             |
        year |
       2013  |   .0060426   .0031386     1.93   0.055    -.0001311    .0122163
       2014  |   .0042021   .0032834     1.28   0.201    -.0022564    .0106605
       2015  |   .0547541    .003184    17.20   0.000     .0484912    .0610171
             |
        indu |
          2  |  (omitted)
          3  |  -.0081224   .0343984    -0.24   0.813    -.0757843    .0595395
          4  |  -.0263832   .0413706    -0.64   0.524    -.1077594    .0549931
          5  |   .0284367   .0469463     0.61   0.545    -.0639069    .1207804
          6  |  -.0220418   .0447117    -0.49   0.622    -.1099901    .0659064
          7  |   -.001345   .0507056    -0.03   0.979    -.1010833    .0983932
          8  |  (omitted)
          9  |  (omitted)
         10  |  -.0073662   .0365419    -0.20   0.840    -.0792444     .064512
         11  |   -.021276   .0438755    -0.48   0.628    -.1075794    .0650273
         12  |  -.0261566   .0465986    -0.56   0.575    -.1178163    .0655031
         13  |  (omitted)
         14  |   .0020017   .0404717     0.05   0.961    -.0776063    .0816098
         15  |  (omitted)
             |
       _cons |   .1479697   .0890196     1.66   0.097    -.0271325    .3230719
-------------+----------------------------------------------------------------
     sigma_u |   .0259927
     sigma_e |  .02231998
         rho |  .57558292   (fraction of variance due to u_i)
------------------------------------------------------------------------------
F test that all u_i=0:     F(1246, 338) =     1.33           Prob > F = 0.0008


re之后. xttest0

Breusch and Pagan Lagrangian multiplier test for random effects

        zbd[newcode,t] = Xb + u[newcode] + e[newcode,t]

        Estimated results:
                         |       Var     sd = sqrt(Var)
                ---------+-----------------------------
                     zbd |   .0012754       .0357123
                       e |   .0004982         .02232
                       u |   .0001675       .0129432

        Test:   Var(u) = 0
                              chi2(1) =     0.21
                          Prob > chi2 =     0.6483

. hausman fe

                 ---- Coefficients ----
             |      (b)          (B)            (b-B)     sqrt(diag(V_b-V_B))
             |       fe           re         Difference          S.E.
-------------+----------------------------------------------------------------
      ln |    -.005266    -.0053697        .0001037        .0032528
         le |    .0207821     .0119423        .0088397        .0125209
         r |    .0555256     .0329991        .0225266        .0210861
       fi |   -.0133909    -.0140495        .0006586        .0183381
2013bn.year |    .0059172     .0036368        .0022803        .0025234
   2014.year |    .0044769     .0027128        .0017641        .0027321
   2015.year |    .0557659     .0554289         .000337        .0025997
    3bn.indu |   -.0050342     .0041771       -.0092112        .0352784
      4.indu |   -.0252956    -.0004157       -.0248799        .0424243
      5.indu |    .0308711      .010088        .0207831        .0483153
      6.indu |   -.0240164     -.001263       -.0227534        .0429839
      9.indu |    .0116717     .0049866        .0066852         .050172
     10.indu |   -.0030803     .0029893       -.0060697         .032603
     11.indu |   -.0164652     .0052105       -.0216757        .0446112
     12.indu |   -.0212772    -.0038224       -.0174548        .0473798
     14.indu |    .0053159     .0076089        -.002293        .0408072
------------------------------------------------------------------------------
                           b = consistent under Ho and Ha; obtained from xtreg
            B = inconsistent under Ha, efficient under Ho; obtained from xtreg

    Test:  Ho:  difference in coefficients not systematic

                 chi2(16) = (b-B)'[(V_b-V_B)^(-1)](b-B)
                          =        4.77
                Prob>chi2 =      0.9968


求解，我的很多回归结果都表示支持随机效应模型，霍斯曼结果都很大非常接近1，但是国内很多期刊都利用固定效应模型。我想利用固定效应模型也没有合适的理由啊！求解，急急急

"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。

把两个控制变量 year indu 去除就支持固定效应，prob>chi2=0.000

黃河泉 发表于 2017-2-2 16:36
"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 ...

您说的非常有道理。almost都是利用固定效应！做霍斯曼检验结果出现prob>chi2为0.9左右的原因我认为可能是加入两个虚拟变量所导致的共线问题（之前出现有几个行业变量被ommited）。不添加这两个year indu时结果都是选择拒绝原假设，选择固定效应.我是计量初学，请教：时间效应难道是在确定模型（re/fe）之后添加的吗?

于果 发表于 2017-2-2 16:43
您说的非常有道理。almost都是利用固定效应！做霍斯曼检验结果出现prob>chi2为0.9左右的原因我认为可能是 ...

你要不要直接就用 FE 就好了！我实在不太相信用 RE 结果的人"每一个回归"都会去用 Hausman test 检定该模型是适用于 RE/FE？  

对于宽而短（N远大于T）的样本，随机效应模型和固定效应模型的估计结果可能相差很大。究竟哪一个更好些，不好一概而论，因为各有优缺点。至于在实际应用中具体采用哪一种，需要通过一定的准则进行判断。
1.根据数据类型判断：宏观数据一般用固定效应（因为大量偶然性波动通过数据汇总抵消了）；微观数据一般用随机效应；
2.根据个体数目判断：如果个体是的全部总体单位，目的在于描述总体（如用全国各省份数据），一般用固定效应；如果个体是随机抽取的一部分总体单位，目的在于推算总体（如家计调查数据），一般用随机效应；
3.根据模型参数估计量性质判断：最常用的是Hausman 检验。

黃河泉 发表于 2017-2-2 17:52
你要不要直接就用 FE 就好了！我实在不太相信用 RE 结果的人"每一个回归"都会去用 Hausman test 检定该模 ...

是啊，fe/re结果都能获得预期结果。这样直接用fe在论文中如何叙述啊，请教。（好几次我的提问都是您回复的，实在感谢！）

jinyuguo 发表于 2017-2-2 23:10
对于宽而短（N远大于T）的样本，随机效应模型和固定效应模型的估计结果可能相差很大。究竟哪一个更好些，不 ...

感谢回复啊！我的数据是上市公司样本，四年数据，总体2000个数据。霍斯曼检验不加入虚拟变量选择固定效应。加入年份行业就选择随机效应。请教，这是属于短面板吗，需不需要考虑自相关和异方差问题

于果 发表于 2017-2-2 23:12
是啊，fe/re结果都能获得预期结果。这样直接用fe在论文中如何叙述啊，请教。（好几次我的提问都是您回复的 ...

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！

于果 发表于 2017-2-2 23:18
感谢回复啊！我的数据是上市公司样本，四年数据，总体2000个数据。霍斯曼检验不加入虚拟变量选择固定效应 ...

如果是全部上市公司数据,直接用fe,如果只是部分公司数据,建议用hausman test决定用re或fe