检验模型形式设定的有效性

用面板数据建立的模型通常有三种，即混合回归模型、固定效应模型（FEM）和随机效应模型（REM）。如果一个面板数据模型定义为，

其中yit为因变量，α 表示截距项，Xit为k × 1阶自变量列向量（包括k个回归量），β 为k × 1阶回归系数列向量，εit为误差项，则此模型为混合回归模型。混合回归模型的特点是无论对任何个体和截面，回归系数α 和β 都相同。如果模型是正确设定的，解释变量与误差项不相关，即Cov （Xit， εit） = 0，则无论是N→∞，还是T→∞，模型参数的混合最小二乘估计量都是一致估计量。

如果一个面板数据模型定义为，

其中αi是随机变量，表示对于i个个体有i个不同的截距项，且其变化与Xit有关系；Xit为k × 1阶自变量列向量，β 为k × 1阶回归系数列向量，对于不同个体回归系数相同，εit为误差项，则此模型为个体固定效应回归模型。个体固定效应模型的强假定条件是，E （εit | ui， Xit） = 0，其中i = 1， 2， …， N。

如果一个面板数据模型定义为，

(www.xing528.com)

如果αi为随机变量，其分布与Xit无关；Xit为k × 1阶自变量列向量，β 为k × 1阶回归系数列向量，对于不同个体回归系数相同，yit为因变量，εit为误差项，这种模型为个体随机效应回归模型。其假定条件是αi～ iid （α， σα2），εit～iid （0， σε2），都被假定为独立同分布。

在对式5.1的分析中，企业转型升级、技术水平、营销能力、资金能力、人力资源、管理能力、市场集中度和环境变化情况选择的指标分别为：销售毛利率（%）、技术人员比重（%）、销售费用（取对数）、总资产周转率（次）、具有大专以上学历的员工比重（%）、人均管理费用（取对数）、前四位厂商的集中度系数（%）和全社会固定资产投资增长率（%）。首先，利用Eviews 6.0的View/Fixed/Random Effects Testing/Redundant Fixed Effects-Likelihood Ratio对模型的固定效应进行检验，零假设是不存在固定效应，备择假设是存在固定效应。检验结果如表5.1所示，零假设在1%的显著水平下被拒绝，应接受固定效应模型。

表5.1　模型的固定效应显著性检验

其次，利用Eviews 6.0的Hausman检验对固定效应模型和随机效应模型进行检验，零假设是随机效应模型成立，备择假设是固定效应模型成立。检验结果如表5.2所示，零假设在10%的显著水平下被拒绝，也应接受固定效应模型。

表5.2　模型的Hausman检验

综上，本部分选择固定效应模型对式5.1进行回归分析。