. 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
"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。
"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。
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!
1. 若你指的是 Hausman test 的 p-value=1,这时应该用 RE。2. 我知道还是不少人有做 Hausman test 来确认要用 RE/FE,经验告诉我,一般"大部分"会拒绝 RE 而 in favor of FE,但多多少少会遇到用 RE 之情况,这时我强烈怀疑他们大部分的结果,理由是(我的猜想,可以不一定完全对),除了要允许不随时间改变之解释变量外,他们可一开始检定一个回归设定,发现应该用 RE,然后 之后的每一个模型都用 RE;但当你改变模型设定(不同变量、考时间固定效果等),极有可能就会拒绝 RE 而需要用 FE(我几乎不相信一篇文章中的所有结果都用 Hausman test 检定过,而且都指向 RE!)3. 很不幸地,因为你要写的是论文,有些"遵循古法"(一定要做每一个步骤,当然也没错)的老师,会要求你要做类似 Hausman test(我写学术文章基本上都不会做这些事,而且我"深信"这样做是 O K的)。