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(shù)據(jù)（合并了3波數(shù)據(jù)，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(xù)變量，核心自變量是虛擬變量。經(jīng)由列聯(lián)表分析，發(fā)現(xiàn)對重復(fù)觀測的樣本而言，約有8%左右樣本的核心控制變量狀態(tài)（0或1）會在兩次觀測時間中發(fā)生變異。加入?yún)f(xié)變量后，經(jīng)過多次模型比較，均發(fā)現(xiàn)個體效應(yīng)不容忽視，固定效應(yīng)顯著優(yōu)于隨機效應(yīng)和混和估計。關(guān)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(nèi)變異不足，固定效應(yīng)在進行組內(nèi)離差時是否已經(jīng)抹去了大部分核心變量的信息，導(dǎo)致結(jié)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(jié)果而使用隨機效應(yīng)？

答案1:?

個體固定效應(yīng)在你說的情形中確實吸收了核心自變量許多信息，可能導(dǎo)致核心自變量系數(shù)估計統(tǒng)計不顯著，但這不意味著結(jié)果是錯誤或不可信的。此時用固定效應(yīng)還是隨機效應(yīng)是需要權(quán)衡的。如果用固定效應(yīng)，回歸結(jié)果未必如你所想；如果用隨機效應(yīng)，回歸結(jié)果可能是不一致的——這是更嚴重的問題，即使結(jié)果顯著，也不可信。我個人的建議是：繼續(xù)使用固定效應(yīng)模型，然后多看一些異質(zhì)性。雖然平均意義上系數(shù)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(xiàn)象，如果使用傾向值得分匹配，如何結(jié)合面板數(shù)據(jù)的特征？（PS:在理論上，由于存在“前處理效應(yīng)”，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(shù)據(jù)架構(gòu)下應(yīng)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(lǐng)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(gòu)造平衡面板？（由于是微觀抽樣數(shù)據(jù)，理論上強行構(gòu)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(yīng)模型并不要求面板數(shù)據(jù)是平衡面板，只要所有個體至少有兩期數(shù)據(jù)即可。非平衡面板與平衡面板數(shù)據(jù)各有優(yōu)劣，前者樣本內(nèi)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(dāng)出現(xiàn)面板數(shù)據(jù)跨期追蹤缺失時（attrition），需要檢查該缺失是內(nèi)生的，還是可以近似看做隨機，如果是后者，那么構(gòu)造平衡面板自然是最好的。

學(xué)術(shù)指導(dǎo)：張曉峒老師?

本期解答人：中關(guān)村大街

編輯：Hollian 知我者 楊芳

統(tǒng)籌：芋頭??易仰楠

技術(shù)：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(nèi)生性問題需要解決么？

互助問答第28期：穩(wěn)健性檢驗及地區(qū)虛擬變量設(shè)置

互助問答第27期：面板數(shù)據(jù)的stata設(shè)置問題

張曉峒教授公開課

關(guān)于我們

如果您在計量學(xué)習(xí)和實證研究中遇到問題，請及時發(fā)到郵箱szlw58@126.com，專業(yè)委員會有30名編輯都會看，您的問題會得到及時關(guān)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(jié)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(fā)郵件至szlw58@126.com（優(yōu)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(xué)者和學(xué)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?zhí)岢瞿膯栴}，也請轉(zhuǎn)發(fā)推廣！

（版權(quán)聲明：本文作者擁有完整版權(quán)，所有原創(chuàng)文章最早發(fā)表于“論文導(dǎo)向計量實證群”，歡迎轉(zhuǎn)發(fā)分享，全文轉(zhuǎn)載請注明出處，引用及合作請留言，任何侵權(quán)行為將面臨追責(zé)）