谢谢斑竹的回复！

其实这个FE的结果跟我期望的结果正好相反，在现实生活中不知道该怎么去解释。 举例说明就是期望它是正向的，它却显示反向的，而且严重显著。

而且，奇怪的是，Hausman test拒绝re，但是B-P test的结果却跟Hausman test的结果截然相反，不知道该相信哪一个。有没有人跟我有一样的遭遇啊？

“此外，做一下随机效应和混合数据模型的检验也是非常必要的”斑竹所说的是最后检验F, P值的那个TEST么？

问题多多，谢谢大家！！

在弱弱问一句，Stata里面怎么打引号啊？单引号？

谢谢！

hausman test是用来检验RE是不是可行。因为random effects model相对于fixed effects model有一个extra assumption就是explanatory variables和unobserved individual effects are not correlated. 如果这个假设不能成立，那么RE model的假设不能成立，原则上讲就不能够使用random effects model.

Hausman test的实质就是检验用RE和FE作出来的coefficients是不是significantly different.因为如果这个extra assumption不成立，FE estimator is consistent but random effects estimaor is inconsistent,那么这两种方法得出的estimated coefficients显著不同。你得出的结果就拒绝了原假设，explanatory variable and unobserved individual effects are correlated，RE的前提条件不能够成立，所以你只能使用FE。

STATA提供了Hausman-Taylor estimator来解决这个问题，命令是xthtaylor,但是需要你identify variables correlated with the individual-level effect.

我碰到和你一样的问题,我认为一个可能的原因是FE的基本假设不成立,如特异性误差存在序列相关,这时用FE是不合适的.

一点个人看法.

是fe

由于fairych所述原因，所以，一般而言，hausman test结果往往是偏重于拒绝原假设，即hausman test倾向于做出选择固定效应模型。另外，BP检验的原假设与hausman test不同，所以，二者不能简单类比。事实上，选择FE或者RE估计模型，检验的结果往往不如你最初的设想，这就是一个困惑！

我在选择固定还是随机时，发现做hausman检验，基本上都是拒绝原假设，选择固定效应模型，而且同时分别检验随机效应（xttest0、xttest1）与固定效应，结果都是显著的。