樣本描述：各位老師好,我的論文采用的是微觀面板非平衡數據(合并了3波數據，總觀測值6萬左右)，每波觀測之間約有20%的樣本不同(約10%的樣本流失，10%的新樣本補入)，因變量是連續變量，核心自變量是虛擬變量。經由列聯表分析，發現對重復觀測的樣本而言，約有8%左右樣本的核心控制變量狀態(0或1)會在兩次觀測時間中發生變異。加入協變量后，經過多次模型比較，均發現個體效應不容忽視，固定效應顯著優于隨機效應和混和估計。關于模型方法選擇和樣本處理方面有三個問題請教。

問題1:?由于組內變異不足，固定效應在進行組內離差時是否已經抹去了大部分核心變量的信息，導致結果實際上并不具有代表性和可信度？這種情況下是否只能拋開豪斯曼檢驗結果而使用隨機效應？

答案1:?

個體固定效應在你說的情形中確實吸收了核心自變量許多信息，可能導致核心自變量系數估計統計不顯著，但這不意味著結果是錯誤或不可信的。此時用固定效應還是隨機效應是需要權衡的。如果用固定效應，回歸結果未必如你所想；如果用隨機效應，回歸結果可能是不一致的——這是更嚴重的問題，即使結果顯著，也不可信。我個人的建議是：繼續使用固定效應模型，然后多看一些異質性。雖然平均意義上系數不顯著，但可能對某些特定群體是顯著的。

問題2:?由于這一核心虛擬變量可能存在一定樣本自選擇現象，如果使用傾向值得分匹配，如何結合面板數據的特征？(PS:在理論上，由于存在“前處理效應”，因而不能使用did或did-psm)

答案2:?

不知道你的核心虛擬變量是怎樣的變量。如果該變量是諸如“是否有工作”這種可能因時而異的變量，那便無法在面板數據架構下應用匹配方法(如果非要用匹配法，只能一年一年分開做)。如果核心虛擬變量是事先確定了的變量(比如在政策評估領域常見的“是否受到某項政策的影響”)，就可能可以利用DID Matching的方法去做(也就是常說的PSM-DID)。PS：沒看懂你括號里的PS說明。

問題3:?是否有必要強行構造平衡面板？(由于是微觀抽樣數據，理論上強行構建平衡面板似乎會造成推斷有偏，但所有參考文獻均是使用平衡面板。)

答案3:?

個體固定效應模型并不要求面板數據是平衡面板，只要所有個體至少有兩期數據即可。非平衡面板與平衡面板數據各有優劣，前者樣本內生選擇問題沒有后者嚴重，但后者的跨期可比性比前者更好。理論上，當出現面板數據跨期追蹤缺失時(attrition)，需要檢查該缺失是內生的，還是可以近似看做隨機，如果是后者，那么構造平衡面板自然是最好的。

學術指導：張曉峒老師?

本期解答人：中關村大街

編輯：Hollian 知我者 楊芳

統籌：芋頭??易仰楠

技術：知我者

往期回顧

互助問答第30期：工具變量、GARCH模型操作和多項選擇效信度

互助問答第29期：控制變量的內生性問題需要解決么？

互助問答第28期：穩健性檢驗及地區虛擬變量設置

互助問答第27期：面板數據的stata設置問題

張曉峒教授公開課

關于我們

---

如果您在計量學習和實證研究中遇到問題，請及時發到郵箱szlw58@126.com，專業委員會有30名編輯都會看，您的問題會得到及時關注！請您將問題描述清楚，任何有助于把問題描述清楚的細節都能使我們更方便地回答您的問題，提問細則參見：實證研究互助平臺最新通知

如果您想成為問題解答者，在幫助他人過程中鞏固自己的知識，請發郵件至szlw58@126.com(優先)或給本公眾號留言或加微信793481976給群主留言，我們誠摯歡迎熱心的學者和學生。具體招募信息請參見：實證研究互助平臺志愿者團隊招募公告

鮮活的事例更有助于提高您的研究水平，呆板的教科書讓人生厭。如果您喜歡，請提出您的問題，也請轉發推廣！

(版權聲明：本文作者擁有完整版權，所有原創文章最早發表于“論文導向計量實證群”，歡迎轉發分享，全文轉載請注明出處，引用及合作請留言，任何侵權行為將面臨追責)

總結

以上是生活随笔為你收集整理的时间固定效应和个体固定效应的选择_互助问答第31期：固定效应与随机效应选择和面板数据处理...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。