经济学•章节 5•1 分钟•Updated September 27, 2026

计量经济学 — 面板固定效应与聚类

O
Oiyo贡献者
5/6

面板数据能消除固定的异质性,却不能消除所有偏误

第4章介绍的工具变量借助外生变动;反复观察同一个人、企业或地区,则提供了另一种办法:用差分消除固定在观测单位上的特征。单位根分析属于另一类时间序列问题,在第6章中讨论。

1. 固定效应保留变化,而不是水平

在 Yit=αi+λt+βXit+uitY_{it}=\alpha_i+\lambda_t+\beta X_{it}+u_{it} 中,如果 αi\alpha_i 是能力或企业文化等不随时间变化的成分,减去个体均值或进行一阶差分便可将其消除。共同的年份效应 λt\lambda_t 仍须单独控制。某项在代数上消失,不等于 β\beta 已成为因果效应。

组内变换
Yit−Yˉi=(λt−λˉi)+β(Xit−Xˉi)+(uit−uˉi)Y_{it}-\bar Y_i = (\lambda_t-\bar\lambda_i)+\beta(X_{it}-\bar X_i)+(u_{it}-\bar u_i)
减去每个个体的均值会消除 α_i,也会消除不随时间变化的 X;但不会自动消除年份效应。

假设观察三个人两年。扣除所有人共同增加的100万韩元工资后,每增加一年受教育时间,对应的工资变化为200万韩元。

假设的两期变化:区分共同上涨与个体内部变化
个人受教育年数变化工资变化(万韩元)扣除共同的100万韩元
A01000
B1300200
C2500400

如果只比较横截面的水平,原本受教育更多者的高工资也会混在其中。但是,如果教育选择会对未来的工资冲击作出反应,组内得到的200万韩元关联也不能解释为因果效应。

要使固定效应估计具有一致性,需要例如 E(uit∣Xi1,…,XiT,αi)=0E(u_{it}\mid X_{i1},\ldots,X_{iT},\alpha_i)=0 这样的严格外生性,还需要处理随时间变化的混杂因素。当前工资冲击影响明年的教育选择,这种反馈就违背严格外生性。加入年份效应后,不同人受到不同程度的经济冲击仍可能留下来。

2. 随机效应只有在更强假设下才能提高效率

随机效应把 αi\alpha_i 建模为误差结构的一部分。只有当 αi\alpha_i 与解释变量不相关,并且外生性与误差协方差假设成立时,它才可能比固定效应更有效率。如果 αi\alpha_i 与教育选择相关,所谓效率收益便伴随偏误。豪斯曼检验可以辅助检查假设,却不能代替对选择机制的制度分析。

各种面板估计量处理了什么、留下了什么
估计方法对固定 α_i 的处理主要局限
固定效应消除不随时间变化的 α_i无法估计不变 X 的水平效应
一阶差分消除同一个 α_i两期时斜率与固定效应相同
随机效应将 α_i 纳入误差模型要求 α_i 与 X 不相关

对样本和模型均相同的平衡两期面板,固定效应与一阶差分得到相同的斜率估计。三期以上时,两者的相对效率取决于误差的序列相关结构。不能笼统地说“两期数据的一阶差分必然损失效率”。

同一个人的跨年误差相关时,应按个人聚类计算标准误。相反,同一年不同人之间的误差相关属于横截面方向的问题。年份固定效应可以吸收均匀的共同冲击,但仅按个人聚类无法解决异质的共同冲击。具体设计可能需要个人与年份双向聚类,或其他推断方法。如果只有四年,依赖四个年份聚类的常规渐近推断也难以可靠。聚类标准误不能修复识别问题。

检验理解

问题。 观察20家企业四年,固定效应回归显示培训支出增加1%与生产率提高0.3%相关。如果同一年的行业景气同时影响两项变量,可以加入什么固定效应?仅按企业聚类能消除共同冲击问题吗?

解答。 年份固定效应能吸收所有企业共同面对的同等水平冲击。如果各企业对景气的暴露程度不同,就需要额外设计。按企业聚类允许企业内部的序列相关,却不会自动处理同一年企业之间的相关性。要把0.3%称为因果效应,还须检查随时间变化的混杂和反馈。企业聚类只有20个、年份聚类只有4个时,标准误的近似也需谨慎。

参考资料

O

Oiyo

Editorial Desk

The OIYO editorial desk researches money, law, lifestyle, and self-understanding topics against primary sources and public statistics. Every piece carries source notes and is reviewed on a regular cycle for accuracy and usefulness.