在做论文时,经常发现开始时Hausman检验经常以高P(<0.01)拒绝Radom effect,但随着变量增多,Hausman逐渐不显著。呵呵,我妄下几个推测,希望能抛砖引玉,小心求证
面板数据进行Hausman检验的原理是看解释变量是否与复合残差项相关,若不相关,接受随机效应,若相关,则认为存在不随时间变化而改变的不可观测的个体特征,故使用Fixed effect model。我的猜测是,随着控制变量的增多,原先复合残差项“黑箱”不停地被打开,那么到了一定程度,个体特征是否就不复存在,而解释变量与复合残差项也就不相关了?
如果上面猜测为真,那么同一个被解释变量、同一个样本,当解释变量不同时使用不同模型估计是否合适?在跨省面板数据的经验研究中,一般都使用了剔除西藏的中国大陆全样本数据,按李东老师的说法,这接近一个总体,因为你不打算将这些结果推广到美国,甚至非洲也是不合适的,所以跨省面板天然应该使用固定效应。李还说审稿时有人不报告Hausman Test结果,他也很少问。在大陆,如果不报告,恐怕审稿人就不放过你