哪些测试有效地比较了 R 中的随机效应模型和固定效应模型？答案

【问题标题】：What tests effectively compare a random effects model and a fixed effects model in R?哪些测试有效地比较了 R 中的随机效应模型和固定效应模型？
【发布时间】：2022-01-05 05:45:57
【问题描述】：

我正在寻找一种方法来比较两个模型（我不太擅长 R 或统计）。两者之间的唯一区别是，一个具有固定效应，而另一个具有随机效应。让我知道你会做些什么来比较它们！

fixedmodel <- plm(mrateunder5 ~ GDPPPP, index = c("Year", 
    "Country"), model = "within", data = FinalData)

randommodel <- plm(mrateunder5 ~ GDPPPP, index = c("Year", 
    "Country"), model = "within", data = FinalData)

我将使用哪些测试来比较这两个模型？

我尝试过但不确定的事情：

BIC(lm(mrateunder5 ~1))
BIC(fixedmodel)
BIC(randommodel)

得到了

[1] 755.3131
[1] 694.2637
[1] 700.9067

BIC(fixedmodel)和BIC(randommodel)的区别还不够大，不能下结论哪个更有效，对吧？

我看到有人建议对每个人进行 Wald 测试，但我不确定如何解释结果。

这就是我所做的：

pwaldtest(fixedmodel, test = "Chisq")
pwaldtest(randommodel, test = "Chisq")

结果：

    Wald test for joint significance

data:  mrateunder5 ~ GDPPPP
Chisq = 67.795, df = 1, p-value < 2.2e-16
alternative hypothesis: at least one coefficient is not null

    Wald test for joint significance

data:  mrateunder5 ~ GDPPPP
Chisq = 71.103, df = 1, p-value < 2.2e-16
alternative hypothesis: at least one coefficient is not null

另外，我可以使用似然比检验来比较模型吗？我认为不是因为我认为 plm 是 OLS 而不是 MLE，但我不确定。

附言随机效应模型的调整后 r 平方略高，但我的教授告诉我们调整后的 r 平方足以说明模型进行比较。

【问题讨论】：

标签： r panel-data plm

【解决方案1】：

问这个问题有点令人惊讶，因为（几乎？）所有关于面板数据计量经济学的教科书都在早期引入了 Hausman 检验（Hausman (1978)）作为区分固定效应和随机效应规范的标准检验。

plm 包的第一个小插曲 [1] 也介绍了这个测试；它在phtest 中实现。从那里拿起例子：

library(plm)
data("Grunfeld", package = "plm")
gw <- plm(inv~value+capital, data=Grunfeld, model="within")
gr <- plm(inv~value+capital, data=Grunfeld, model="random")
phtest(gw, gr)
## 
##  Hausman Test
## 
## data:  inv ~ value + capital
## chisq = 2.3304, df = 2, p-value = 0.3119
## alternative hypothesis: one model is inconsistent

该软件包还通过使用公式接口和设置参数test = "aux" 支持基于辅助回归的 Hausman 测试版本（例如，Wooldridge (2010) Sec.10.7.3）。可以通过参数vcov 将稳健的协方差估计器指定为函数来对其进行稳健化：

phtest(inv ~ value + capital, data = Grunfeld, method = "aux", vcov = vcovHC)
## 
##  Regression-based Hausman test, vcov: vcovHC
## 
## data:  inv ~ value + capital
## chisq = 8.2998, df = 2, p-value = 0.01577
## alternative hypothesis: one model is inconsistent

[1]https://cran.r-project.org/web/packages/plm/vignettes/A_plmPackage.html

【讨论】：