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