所有選擇權指南
區分企業之間差異與企業內部變化約17分鐘
面板資料中的固定效應與隨機效應
理解組內估計、時間不變因素、隨機效應正交假設、Mundlak方法、Hausman檢驗及金融面板應用
由 Mark 撰寫 · 官方資料列於文末
直接解答
固定效應迴歸比較同一企業或個體內部隨時間變化的解釋變量與結果，剔除不隨時間改變的單位特徵。隨機效應假設單位效應與所有時期的解釋變量不相關，從而同時利用單位內和單位間變動。固定效應不會自動產生因果效應；隨時間變化的混雜、逆向因果和測量誤差仍然存在。模型選擇應從估計目標與正交假設是否可信出發，而不是只看效率
面板重複觀察同一單位
面板資料在多個時點觀察企業、基金、家庭或國家等單位，同時包含橫截面差異和時間變化
在yit=βxit+αi+λt+uit中，αi是不隨時間變化的單位成分，λt是所有單位共同承受的日期衝擊
若αi與xit相關，合併OLS會把單位間差異同單位內關係混合，令β產生偏差
固定效應使用單位內部變化
組內變換減去每個單位的時間平均，消除時間不變的αi，並比較相對自身平均的偏離
企業固定效應係數問的是同一家企業槓桿變化時結果如何共同變化，而非高槓桿企業與低槓桿企業有何差別
加入日期固定效應可吸收經濟周期、利率或市場回報等同日作用於所有單位的共同水平衝擊
有些資訊消失，有些偏差仍在
行業起源、創辦人特質等時間不變變量與單位固定效應完全共線，無法單獨識別其係數
單位內部幾乎不變的解釋變量提供的識別資訊很少，會放大不確定性與測量誤差的相對影響
時間變化的遺漏變量、結果對解釋變量的回饋和處理後控制，在加入固定效應後仍是問題
隨機效應需要更強的正交性
隨機效應把αi視為隨機誤差的一部分，並在它與每一時期解釋變量均不相關時結合組內與組間變動
條件成立時，它可能比固定效應更有效率，也能估計時間不變解釋變量的係數
若潛在管理質素或風險偏好影響資本結構，隨機效應會把這種企業差異混入目標係數
Mundlak方法令相關性顯性化
相關隨機效應或Mundlak方法把時間變化解釋變量的單位平均納入模型，明確描述αi與xit的相關性
這能區分組內效應與組間差異，並把隨機效應的強正交假設轉化為較可檢查的設定
在簡單線性平衡面板下，相關係數與固定效應組內係數相連，但這種等價不會自動延伸到所有非線性或動態模型
Hausman檢驗不是裁決書
Hausman邏輯在虛無假設下兩個估計量都一致、但只有一個有效率時比較它們的係數
拒絕提示正交性或其他模型條件衝突，不拒絕卻不能證明隨機效應假設為真
小樣本、薄弱組內變動、強健協方差選擇和模型誤設都會影響檢驗力與數值穩定性
金融面板還需要依賴結構設計
企業和年度效應很常見，但行業周期或國家政策可能需要更細的時間交互項
企業誤差持續時考慮企業群集，若仍有共同日期衝擊，則在設計支持足夠群集時考慮日期或雙向群集
加入滯後因變量會在短T動態面板中產生偏差，不能直接沿用靜態固定效應解讀
報告變動來源與假設
說明單位與時間維度、是否平衡、組內和組間變動、固定效應組合及協方差群集層級
解釋哪些單位的哪些時間變化識別係數，並確認樣本確有經濟上有意義的組內變動
把固定、隨機、Mundlak估計與Hausman結果作為證據，最終選擇仍由混雜路徑與目標效應論證
常見問題
固定效應能消除所有遺漏變量偏差嗎？
不能。它只消除單位內不隨時間變化的因素，時間變化混雜、逆向因果與測量誤差仍可能存在
固定效應能估計時間不變變量嗎？
通常的組內模型不能，因為該變量與單位固定效應完全共線
隨機效應一定比固定效應更有效率嗎？
只有相關正交和方差假設成立時才可能；若假設失敗，失去一致性比提高效率更嚴重
Hausman檢驗不拒絕就能使用隨機效應嗎？
不能自動決定。還要評估檢驗力和模型條件，並單獨論證單位效應為何與解釋變量無關
資料來源與延伸閱讀
把這個概念應用到一份期權
選擇合約和目標，讓價格、時間與波幅假設在同一份分析中清晰呈現
分析我的期權