统计百科 ·
Hausman 检验 APA 报告写法 — 面板模型固定效应 vs 随机效应怎么选、卡方值与 p 值怎么写
统计百科：面板数据回归中，Hausman 检验决定固定效应（FE）还是随机效应（RE）。本文给出 APA 7th 格式的 Hausman 卡方值、自由度、p 值完整报告模板，涵盖显著与不显著两种情形，以及 ChatSRS panel_regression 指令的一键操作方式。
面板数据分析的第一道关口不是跑回归，而是在固定效应（FE）和随机效应（RE）之间做出有统计依据的选择。Hausman 检验（Hausman specification test）正是这把钥匙。但检验本身做完只是第一步，如何用 APA 7th 格式把卡方值、自由度和选择结论规范写进论文，才是大多数人卡住的地方。本文只讲这一件事。
你的面板回归报告有这些问题吗？
导师或审稿人关于 Hausman 检验最常见的批注：
- "方法章节没有说明使用了固定效应还是随机效应，请补充依据"
- "Hausman 检验的卡方值怎么写，格式 chi^2(df) = X.XX 还是 H = X.XX？"
- "p 值写成 p = 0.000，请改为 p < .001"
- "只写了'Hausman 检验显著'但没有给出数值，不符合期刊要求"
- "选了随机效应，但没有报告 Hausman 检验不显著的结论及 p 值"
- "方法章节未说明 Hausman 检验的零假设是什么"
这些错误集中在两个地方：没有规范报告检验统计量，以及没有从零假设出发解释选择逻辑。本文给出 APA 7th 下所有场景的完整写法。
一、Hausman 检验是什么，检验了什么
核心问题：FE 还是 RE？
面板数据（panel data）同时包含截面单元（个体、企业、国家等）和时间维度。分析时有两种主流模型：
| 模型 | 假设 | 适用条件 |
|---|---|---|
| 固定效应（Fixed Effects, FE） | 个体特征与解释变量相关 | 内生性存在，控制不可观测的个体异质性 |
| 随机效应（Random Effects, RE） | 个体特征与解释变量不相关 | 个体效应为随机扰动，可纳入不随时间变化的变量 |
选错模型会导致估计量有偏或效率损失。Hausman（1978）提出的规格检验，正是用来统计检验"RE 的一致性假设是否成立"。
零假设与备择假设
$H_0\text{：个体效应与解释变量不相关（随机效应估计量一致且有效）}$
$H_1\text{：个体效应与解释变量相关（仅固定效应估计量一致）}$
- 若 p < .05（拒绝 H0）：FE 和 RE 的系数估计存在系统性差异，个体效应与解释变量相关，应选用固定效应模型
- 若 p >= .05（不拒绝 H0）：无统计证据认为两者系数存在显著差异，随机效应假设成立，可选随机效应模型（效率更高）
Hausman 统计量的构造
$\chi^2 = (\hat{\beta}{FE} - \hat{\beta}{RE})^\top [\text{Var}(\hat{\beta}{FE}) - \text{Var}(\hat{\beta}{RE})]^{-1} (\hat{\beta}{FE} - \hat{\beta}{RE})$
在 H0 下渐近服从 $\chi^2(k)$ 分布，其中 $k$ 为时变解释变量的个数（不含截距，不含时不变变量——因为 FE 无法估计时不变变量的系数）。
二、APA 7th 格式规范：Hausman 检验报告必须包含的要素
必报要素清单
| 要素 | 格式要求 | 示例 |
|---|---|---|
| 检验名称 | 首次出现写全称 | Hausman specification test |
| 卡方统计量 | chi^2(df) = X.XX | chi^2(4) = 18.76 |
| 自由度 | 括号内整数 | (4) |
| p 值 | 三位小数，不加前导零 | p = .001 或 p < .001 |
| 选择结论 | 明确说明采用 FE 或 RE | 采用固定效应模型 |
| 零假设方向 | 可在方法章节说明一次 | H0：个体效应与解释变量不相关 |
格式细节
与其他卡方检验一致（参见 APA 7th Section 6.44）：
- 统计量符号：chi^2 或 χ²，不写 "H"、"H statistic" 或 "Hausman H"
- 卡方值精确到两位小数
- p 值不加前导零：p = .032（不写 p = 0.032）
- p = .000 改写为 p < .001
- 自由度等于时变解释变量个数，需与模型中实际变量数一致
三、APA 报告模板：固定效应（Hausman 显著）
情境
面板数据包含 N 个企业，T 个年度，4 个时变解释变量（资产规模、负债率、盈利能力、研发投入），因变量为企业投资率。
完整方法章节描述模板
采用面板数据回归分析 [因变量] 与 [解释变量列表] 的关系。
Hausman 规格检验用于判断固定效应与随机效应模型的适用性：
零假设为个体效应与解释变量不相关（随机效应模型一致）；
若检验显著（p < .05），则拒绝零假设，采用固定效应估计量。
结果段落模板
Hausman 规格检验结果显著，chi^2([k]) = [X.XX]，p [值]，
拒绝随机效应模型一致性的零假设，表明个体效应与解释变量存在相关性。
因此，本研究采用固定效应模型进行面板回归估计。
填入数值的示例
Hausman 规格检验结果显著，chi^2(4) = 18.76，p = .001，拒绝随机效应模型一致性的零假设，表明企业层面不可观测的个体效应与解释变量（资产规模、负债率、盈利能力、研发投入）存在相关性。因此，本研究采用固定效应模型（个体固定效应）进行面板回归估计，以控制潜在的内生性偏误。
四、APA 报告模板：随机效应（Hausman 不显著）
情境
同一设计，但 Hausman 检验未达显著水平。
结果段落模板
Hausman 规格检验结果未达显著，chi^2([k]) = [X.XX]，p = [值]，
未能拒绝随机效应模型一致性的零假设，表明个体效应与解释变量无显著相关。
因此，本研究采用随机效应模型以获得更有效的估计。
填入数值的示例
Hausman 规格检验结果未达显著，chi^2(4) = 5.23，p = .265，未能拒绝随机效应模型一致性的零假设（H0：个体效应与解释变量不相关）。在不存在系统性内生性的前提下，随机效应模型较固定效应模型估计效率更高，本研究因此采用随机效应模型（广义最小二乘，GLS）进行面板回归。
五、方法章节完整写法示例（含 Hausman 在内的面板分析流程）
论文方法章节通常需要报告从数据结构到模型选择的完整决策链：
本研究采用面板数据回归方法，样本涵盖 2015—2022 年 236 家 A 股上市企业的非平衡面板（N = 236，T = 8，共 1,748 个观测值）。在模型设定上，首先以 Hausman 规格检验判断固定效应与随机效应模型的适用性，零假设为个体效应与解释变量不相关。检验结果显著，chi^2(5) = 24.31，p < .001，拒绝随机效应假设，故采用个体固定效应模型。时间趋势以年度虚拟变量控制，标准误在企业层面聚类（cluster-robust standard errors）以修正同一企业跨期误差的序列相关问题。统计显著性水平设为 alpha = .05，所有分析使用 ChatSRS（Stata 引擎）完成。
六、Hausman 检验结果表格（APA 三线表格式）
面板论文结果部分有时会单独列出 Hausman 检验结果，格式参考如下：
| chi^2 | df | p | |
|---|---|---|---|
| Hausman 规格检验 | 18.76 | 4 | .001 |
表注（APA 格式）：注. Hausman 规格检验零假设为随机效应估计量一致。p < .05 拒绝零假设，采用固定效应模型。
七、在 ChatSRS 一句话完成 Hausman 检验与 FE/RE 报告
打开 chatsrs.com，上传面板数据后输入：
panel_regression，因变量：投资率，时变自变量：资产规模 负债率 盈利能力 研发投入，面板结构：企业ID 年份，自动做 Hausman 检验，根据结果选择固定效应或随机效应，输出 APA 7th 格式的 Hausman chi^2 值、自由度、p 值和模型选择结论，以及最终回归系数表（cluster-robust 标准误）。
ChatSRS 的 panel_regression 指令（68 号功能）会：
- 自动识别面板结构（个体 ID + 时间 ID）
- 同时估计 FE 和 RE 模型
- 运行 Hausman 检验并给出统计量
- 根据检验结果自动选择模型
- 输出符合 APA 7th 格式的完整报告段落，数值自动填入
输出段落即为上文模板格式，可直接复制进论文方法章节和结果章节。
八、常见错误对照表
| 常见错误 | 正确写法 | 说明 |
|---|---|---|
| H = 18.76 | chi^2(4) = 18.76 | 统计量符号为 chi^2，不写 H |
| chi^2 = 18.76（无 df） | chi^2(4) = 18.76 | 自由度必须写入括号 |
| p = 0.001 | p = .001 | APA 不加前导零 |
| p = .000 | p < .001 | .000 是舍入假值 |
| 只写"Hausman 检验显著" | 写出 chi^2(4) = 18.76, p = .001 | 必须报告数值 |
| df = 5（含时不变变量） | df = 时变变量个数 | 时不变变量 FE 无法估计，不计入 df |
| 不报告零假设方向 | 在方法章节说明 H0 内容 | 读者需要理解检验逻辑 |
| 选 RE 但不说明 Hausman 不显著 | 明确写出 chi^2 值和 p 值 | 选 RE 同样需要 Hausman 依据 |
常见 FAQ
Q：Hausman 检验的自由度怎么算，是解释变量总数还是时变变量数？
A：自由度等于时变解释变量的个数，不含截距，也不含时不变变量（如性别、行业虚拟变量、地区固定变量）。原因是：固定效应估计"吸收"了个体内不变的所有信息，对时不变变量无法给出系数，因此 Hausman 检验只能比较 FE 和 RE 在时变变量上的系数差异。如果你的模型有 6 个解释变量，其中 2 个时不变，则 df = 4。
Q：Hausman 检验不显著，但理论上应该有内生性，应该怎么处理？
A：Hausman 检验是统计检验，受样本量影响——样本量小时，即使存在内生性，检验也可能无力检出（功效不足）。此时有几种处理方式：（1）在小样本情况下，理论驱动下仍可选择 FE，但需在方法章节说明选择依据；（2）汇报 FE 和 RE 的估计结果作为稳健性检验；（3）改用 Mundlak 方法（在 RE 中加入各时变变量的组内均值），这是一种等价但功效更高的方法。方法章节需明确说明选择逻辑，而非仅凭 Hausman p 值。
Q：面板 Probit 或 Logit 模型能做 Hausman 检验吗？
A：标准 Hausman 检验基于线性模型。非线性面板模型（Probit、Logit、Tobit）的 FE/RE 选择逻辑不同：FE Logit 只使用组内有变异的观测值，RE Probit 假设随机效应服从正态分布。对非线性模型，可用 Mundlak 方法（在 RE Probit 中加入时变变量组均值并检验联合显著性）替代 Hausman 检验，方法章节应明确说明使用了哪种检验及其零假设。
Q：ChatSRS 的 panel_regression 指令输出的 Hausman 结果用哪个引擎计算的？
A：ChatSRS 的 panel_regression 功能默认调用 Stata 引擎（xtreg ... fe → estimates store fe → xtreg ... re → hausman fe re 命令链）。对于大样本或非平衡面板，也可指定 R 引擎（plm 包的 phtest 函数）。两者在标准情形下结果应一致；若存在矩阵奇异问题（差异协方差矩阵不正定），ChatSRS 会自动切换为 Wooldridge（1995）的稳健版本，并在输出中注明。
快速参考：Hausman 检验报告格式速查卡
[Hausman 检验显著 -> 固定效应]
Hausman 规格检验结果显著，chi^2([k]) = X.XX，p [= .XXX / < .001]，
拒绝随机效应模型一致性的零假设，采用固定效应模型。
[Hausman 检验不显著 -> 随机效应]
Hausman 规格检验结果未达显著，chi^2([k]) = X.XX，p = .XXX，
未能拒绝随机效应模型一致性的零假设，采用随机效应模型（GLS）。
[关键格式]
- 统计量：chi^2(df) = X.XX（不写 H = X.XX）
- df = 时变解释变量个数（不含时不变变量和截距）
- p 值不加前导零，p = .000 改为 p < .001
- 必须写出数值，不能只写"检验显著"
- 方法章节说明 H0 方向（个体效应与解释变量是否相关）
[ChatSRS 指令]
panel_regression + Hausman 检验，根据结果自动选 FE/RE，APA 格式输出
相关阅读
本文首发于 ChatSRS 官方博客。如有问题或反馈，欢迎在 ChatSRS 站内 [用户中心 -> 帮助与反馈] 联系我们。