高级计量与因果推断
面板随机效应模型 (Random Effects)
把每个个体的截距看成随机抽取的偏差，在「偏差与 X 无关」的前提下同时利用组间与组内信息。
这篇能回答什么
面板随机效应回答的是：「若个体截距 u_i 只是抽签抽到的随机数，并且与解释变量不相关，X 对 Y 的斜率是多少」。误差写成复合结构 u_i + ε_it，估计是广义最小二乘（在 linearmodels 里由 `RandomEffects` 完成），等价于对 Y 和 X 做拟去均值——减去一部分、而不是全部个体均值。因此时间不变的回归元（性别、注册省份）原则上可以留下，这是它相对固定效应的产品差异。
适合：个体可视为更大总体的随机样本，且你能辩护「抽到的 u_i 不跟 X 共谋」。教学示例仍是「panel」工作表：20 个实体、2014–2023 共十年、200 行。本页会输出 const = 5.4461 和 X = 0.5344；固定效应页只有 X=0.5375、没有常数行——对照这两张表，就是在做非正式的 Hausman 目视。
如何选择方法
决策树从识别假设开始，而不是从「哪张表 R² 好看」开始。担心不可观测特质与 X 挂钩 → 固定效应。能把个体当成随机样本、还要报告几乎不随年份变的变量 → 随机效应。Hausman：H₀ 为 RE 一致（因而也更有效）；拒绝则丢掉 RE。本教学两条 X 斜率只差 0.0031，目视上 H₀ 很舒服，但仍须在论文写明假设，而不是用 0.0031 代替检验。混合 OLS 忽略组内相关；RE 至少承认 u_i。
面板随机效应：角色与 FE 相同；输出含 const 的 GLS 斜率，可保留时间不变 X。
面板固定效应：只利用组内离差，吃掉全部 α_i，也吃掉时间不变 X。
线性回归：把 200 行当独立截面，标准误通常过小。
双重差分：需要处理/对照与事前/事后，不是随机截距。
工具变量：复合误差之外，X 仍与特异冲击相关。
输入、输出与限制
输入
个体/实体、时间、定量 Y、至少一列 X，与固定效应页同一套角色。实现调用 `RandomEffects(Y, X)`，X 会加常数。定类字符串不会自动展开虚拟变量。个体—时间键不得重复。
自变量：最少 1 个，最多 10 个。
因变量：最少 1 个，最多 1 个，定量。
个体/实体：最少 1 个，最多 1 个，定类。
时间变量：最少 1 个，最多 1 个。
输出
回归表含 const 与各自变量的系数、稳健标准误、t、P 值。表注为有效 N 与 linearmodels 回报的 R²（洞察称作 Within R²，本例 0.2722）。系数图与按年 Y 均值走势与固定效应页成对出现，便于并排。洞察复述 200 行、0.2722 与 X 显著。
产品限制
有效样本（所用列删缺失后）少于 10 行会拒绝。
协方差同样是 `cov_type="robust"`（White），洞察「聚类稳健」不可照抄进论文方法节。
不输出 θ、σ_u²、σ_ε²，也不输出 Hausman。方差分量若要写进论文，需在工作台外计算。
没有自动的时间效应，也没有 Breusch–Pagan LM（混合 OLS vs RE）检验。
不平衡面板可以跑，但本教学是 20×10 平衡；缺年会改变拟去均值的权重。
案例
研究问题。 同一张 20×10 面板上，研究者想同时利用「不同 U 之间 X 本来就高」和「每个 U 内部 X 的起伏」，并留下一个有解释的总水平（常数项）。前提是：抽到 U07 还是 U12，不与 X 的取值机制绑在一起。
教学示例来自因果推断表，工作表为「panel」，有效样本量 200。因变量选 Y，自变量选 X，个体/实体选「个体」，时间变量选「年份」。跑完后把 const=5.4461、X=0.5344 抄下来，再开固定效应页抄 0.5375，写成一对稳健性列。下载后按同样角色即可复现。
在 StatsX 中操作
步骤 1 · 上传表格
打开工作台，将 Excel / CSV / JSON 拖入上传区。本案例使用因果推断 xlsx，工作表选「panel」，不要选「iv」。单文件不超过 20 MB。
步骤 2 · 查看画像与质量
核对每个实体都有多年份，Y 与 X 为定量。「处理」「事后」两列留给 DID，不要塞进随机效应的自变量框。
步骤 3 · 选择「面板随机效应模型」
在算法目录搜索「随机效应」或 RE。目录上的适合标记不会替你完成 Hausman 判断。
步骤 4 · 指定变量并运行
因变量勾选 Y；自变量勾选 X（1–10 个）；个体/实体勾选「个体」；时间变量勾选「年份」。点击运行分析。
步骤 5 · 阅读结果
先看 const 是否合理（本例 5.45，落在 Y 的水平量级），再读 X=0.5344、稳健标准误 0.0532 与 R²=0.2722。随后立刻对照固定效应页。
如何阅读输出
下表由同一份教学示例在 StatsX 中运行随机效应得到。有效样本量 200，R² = 0.2722。const = 5.4461（稳健标准误 0.2572，t = 21.18），给出 Y 的总体水平；X = 0.5344（0.0532，t = 10.05，P < 0.001）。与固定效应的 0.5375 相比，斜率几乎没动，标准误略小（0.0532 对 0.0543），符合「RE 在假设成立时更有效」的教科书方向。
| 变量/干预项 | 回归系数(Coef) | 稳健标准误 | t值 | P值 |
|---|---|---|---|---|
| const | 5.4461 | 0.2572 | 21.1778 | <0.001 |
| X | 0.5344 | 0.0532 | 10.0459 | <0.001 |
左右滑动可查看完整表格
样本量=200。模型 R²=0.2722。
【面板回归·随机效应模型 (Random Effects)】因变量=Y，样本量=200，Within R²=0.2722，采用聚类稳健标准误。 【显著变量】X(coef=0.5344, p < 0.001) 对 Y 有显著影响。
解读顺序：N 与平衡结构 → const 是否落在 Y 的量级 → X 的点估计、稳健标准误 → 把 0.5344 写到固定效应 0.5375 旁边 → 决定主表用谁。R²=0.2722 低于 FE 页的 0.2948，不能据此宣布「RE 更差」：两个 R² 的分解口径不同，而且 RE 还动用了组间变异。洞察里的「聚类稳健」同样是文案，实现仍是 White robust。Hausman 显著时，效率优势作废，主表应换成 FE。
理论与公式
随机效应把个体偏差写成与 X 不相关的 u_i：
GLS 的拟去均值权重 θ 介于 0 与 1 之间：θ→1 时更像彻底去均值的 FE，θ→0 时更像混合 OLS。T=10 的平衡教学面板上，θ 通常不小，所以 X 的 0.5344 会贴近 FE 的 0.5375：
Hausman 统计量比较两条 β。原假设成立时用 RE；拒绝则 FE 仍一致、RE 不一致。StatsX 不计算该统计量，也不输出 σ_u²。本页的 const 来自加了常数的 RandomEffects，对应总体截距 α，不是某个 U 的 u_i。
注意事项
相关假设是识别条件：u_i 与 X 共谋时，5.4461 和 0.5344 一起偏。
效率优势以假设为前提；Hausman 拒绝后不要用「标准误更小」当借口。
时间不变 X 能留下，不代表它外生——注册地仍可能与 u_i 相关。
White robust 不是实体聚类；复合误差下组内相关可能被低估。
R² 口径勿与混合 OLS 或 FE 的 Within R² 直接比大小。
有效 N<10、重复索引或未编码定类，拟合会失败。
常见问题
参考文献
陈强. 高级计量经济学及 Stata 应用[M]. 高等教育出版社.
Baltagi, B. H. Econometric Analysis of Panel Data[M]. 6th ed. Cham: Springer, 2021.
Wooldridge, J. M. Econometric Analysis of Cross Section and Panel Data[M]. 2nd ed. Cambridge, MA: MIT Press, 2010.
Hausman, J. A. Specification Tests in Econometrics[J]. Econometrica, 1978, 46(6): 1251–1271.