Hausman（1978）等学者认为应该总是把个体影响处理为随机的，即随机影响模型优于固定影响模型，其主要原因为：固定影响模型将个体影响设定为跨截面变化的常数使得分析过于简单，并且从实践的角度看，在估计固定影响模型时将损失较多的自由度，特别是对“宽而短”的面板数据。但相对于固定影响模型，随机影响模型也存在明显的不足：在随机影响模型中是假设随机变化的个体影响与模型中的解释变量不相关，而在实际建模过程中这一假设很有可能由于模型中省略了一些变量而不满足，从而导致估计结果出现不一致性。
对于如何检验模型中个体影响与解释变量之间是否相关，Hausman（1978）提出了一种严格的统计检验方法——Hausman检验。该检验的原假设是：随机影响模型中个体影响与解释变量不相关，检验过程中所构造的统计量（W）形式如下：
                                  （10.3.68）
其中b为固定影响模型中回归系数的估计结果，   为随机影响模型中回归系数的估计结果。    为两类模型中回归系数估计结果之差的方差，即
                                      （10.3.69）
         Hausman证明在原假设下，式（10.3.68）给出的统计量W服从自由度为k的2分布，k为模型中解释变量的个数。

检验的步骤我用附件图片发上来了。点击即可放大图片。
你也可以在论坛中进行搜索。呵呵

用hausman检验，P值为零就选固定效应！

谢谢分享，学习中

请问，变系数模型的估计的时候，S1残差平方和为0.003180，而S2为201362.3，S3为994159.8，为什么会差那么多呢？