豪斯曼检验

豪斯曼检验 (Hausman Test)

豪斯曼检验（Hausman Test），也称豪斯曼规格检验，是计量经济学与面板数据分析中的经典方法，用于比较两类不同假设下成立的估计量，以检验"更强的模型假设"是否与数据相容。其基本思想是：当原假设成立时，两种估计量都应具有一致性，且其中一种在效率上更优；当原假设不成立时，效率更高的那种估计量因关键假设被破坏而失去一致性，另一种在较弱假设下仍然保持一致性。两者的系统性差异构成了检验统计量。在教学与实证研究中最常见的应用是比较固定效应模型（FE）与随机效应模型（RE），以检验个体不可观测效应是否与解释变量相关，从而决定应使用FE还是RE。

检验统计量与决策规则

豪斯曼检验统计量的构造为

该统计量在渐近意义上服从自由度为 $k$ 的 卡方分布，其中 $k$ 为时变回归元的个数，不含常数项和时不变变量（因为固定效应估计无法识别时不变变量）。原假设 $H_0$ 为个体效应与解释变量不相关，此时随机效应估计既一致又有效，固定效应估计一致但不有效。备择假设 $H_1$ 为两者相关，此时随机效应估计不一致，而固定效应估计仍然保持一致性。若检验统计量显著偏大（p值小于0.05），则拒绝原假设，应选择固定效应模型，放弃随机效应模型，因为后者的有效性是以牺牲一致性为代价的。若差异不显著，则没有充分证据拒绝原假设，此时可以安全地使用效率更高的随机效应模型。

扩展应用与注意事项

豪斯曼检验的应用远超FE与RE的简单对比。在内生性检验中，它可以比较OLS（假设外生性，效率更高）与工具变量估计（IV或2SLS，更稳健但对弱工具变量敏感，不要求外生性），以判断模型是否存在内生性。在动态面板分析中，Arellano-Bond GMM框架下可以利用豪斯曼思想比较差分GMM（使用更多矩条件，效率更高，但假设初始水平与后续扰动无关）与系统GMM，检验不同矩条件集的相容性。

实证应用中需要注意，方差差矩阵 $[\operatorname{Var}(\hat{\beta}_{\text{FE}}) - \operatorname{Var}(\hat{\beta}_{\text{RE}})]$ 必须是正定的，否则检验无效。遇到这种情况时，应使用聚类稳健方差或自助法替代标准误，构造稳健形式的豪斯曼检验。豪斯曼检验作为模型设定检验中的重要工具，在面板数据实证研究中为固定效应与随机效应之间的选择提供了结构化的决策框架，已成为面板计量实证研究的必检项目。