统计百科 · 2026-06-24

面板回归的 APA 报告怎么写？固定效应/随机效应与 Hausman 检验格式全解

统计百科：专攻面板数据回归的 APA 7th 报告格式——固定效应 FE/随机效应 RE 系数表、Hausman 检验统计量、组内 R² 与组间 R² 的区别与报告规范，给出可直接套用的论文级 APA 模板，逐一盘点审稿人最常挑的面板回归格式错误。

面板数据回归报告让人犯难的，不是跑模型本身，而是报告格式：FE 和 RE 选哪个要说明理由吗？Hausman 检验统计量怎么写？组内 R²（within R²）和调整后 R² 是同一个东西吗？系数表要不要放个体固定效应列表？本文专攻"面板回归结果怎么规范写进 APA 7th 论文"这一具体格式点，给出所有主要场景的完整模板，并逐一盘点审稿人最常挑的格式错误。

当前产品能力边界：ChatSRS 在本页只承接已核验的 panel_baseline 基准面板分析路径。下文关于 FE/RE、Hausman、工具变量和稳健标准误的内容用于结果阅读与报告教学；是否能在产品内直接执行，必须以当前能力清单和真实输出为准。

你的面板回归报告有这些问题吗？

审稿人或导师关于面板回归报告最常见的反馈：

"请说明选择固定效应模型的依据，是否进行了 Hausman 检验？"
"Hausman 检验只写了 p 值，缺少 chi^2 统计量和自由度"
"R² 写的是哪种 R²？面板模型有 within/between/overall 之分，请注明"
"系数旁边的标准误是普通标准误还是聚类稳健标准误？请注明"
"时间固定效应是否控制？方法章节未提及"
"个体固定效应不用逐一列出，但需说明控制了个体效应"

这些错误集中在面板数据报告的几个特有难点。面板回归与截面回归在 APA 格式上有若干关键差异，本文只讲一件事：面板回归结果到底怎么规范写进论文的每一个环节。

如果你还没看过姊妹篇回归分析 APA 表格怎么做，建议先读那篇；本文默认你已了解 B/SE/p 的基础格式规则，不再重复。

一、面板数据回归的核心概念与 APA 报告关键点

为什么面板回归报告和普通回归不一样

面板数据（Panel Data）同时包含横截面维度（多个个体）和时间序列维度（多个时间点），一条观测值的标识是"个体 + 时间"（如"企业 i 在第 t 年"）。

这带来两个普通 OLS 不存在的问题：

个体异质性：不同个体本身存在稳定的差异（如企业规模、个人能力），如果不控制，估计量会有遗漏变量偏误。
误差序列相关：同一个体在不同时间点的误差往往正相关，普通标准误会低估，需要聚类稳健标准误（Clustered SE）。

报告时必须说明如何处理这两个问题，这是 APA 对面板分析报告的基本期望。

FE / RE 的实质区别（一句话）

模型	核心假设	适用场景
固定效应（FE）	个体异质性与自变量相关	因果推断、政策评估、控制不可观测个体差异
随机效应（RE）	个体异质性与自变量不相关	需要估计不随时间变化的变量（如性别、地区虚拟变量）
Hausman 检验	检验上述假设是否成立	当 p < .05，拒绝 RE，应使用 FE

二、Hausman 检验：APA 格式规范

Hausman 检验是面板回归模型选择的标准程序，论文中必须报告，格式如下：

标准写法（必报三要素）

$\chi^2(df) = X.XX,\ p\ \text{值}$

要素	格式	示例
检验统计量	chi^2(df) = X.XX	chi^2(5) = 23.47
p 值（三位小数）	p = .XXX 或 p < .001	p = .003
结论（选择哪个模型）	"拒绝随机效应假设，采用固定效应模型"	—

完整 Hausman 检验报告句

固定效应显著优于随机效应（p < .05）：

Hausman 检验结果显示，chi^2(5) = 23.47，p = .003，拒绝个体效应与解释变量不相关的零假设，因此采用固定效应（FE）模型估计，以控制不可观测的个体异质性。

随机效应通过 Hausman 检验（p > .05）：

Hausman 检验结果未达显著，chi^2(5) = 4.82，p = .437，无法拒绝个体效应与解释变量不相关的假设，因此采用随机效应（RE）模型估计，以提高估计效率并保留时间不变变量的系数。

重要细节：Hausman 检验的自由度等于被检验的回归系数个数（不含常数项和时间固定效应虚拟变量），报告时需注意与模型中变量数一致。

三、R² 的报告：within / between / overall 必须注明

面板模型的 R² 有三种，与普通 OLS 的 R² 含义不同，必须注明类型：

R² 类型	含义	FE 模型	RE 模型
within R²（组内）	组内（时间）变异被解释的比例；FE 的核心拟合度	主要报告	也报告
between R²（组间）	组间（个体均值）变异被解释的比例	参考意义	参考意义
overall R²（总体）	全部变异被解释的比例	参考意义	主要报告

报告规则

固定效应模型：重点报告 within R²，可附 between 和 overall 供参考
随机效应模型：重点报告 overall R² 和 within R²，三者均可报告
切勿直接写"R² = .XX"不加注明——审稿人无法判断是哪种 R²

R² 报告示例

固定效应模型的组内 R²（within R²）= .342，组间 R²（between R²）= .218，总体 R²（overall R²）= .287，表明模型解释了个体内时序变化 34.2% 的方差。

四、面板回归系数表 APA 格式

标准系数表结构

面板回归系数表与普通回归表格格式相似，但需增加若干面板特有信息：

变量	B	SE	t	p	95% CI
研发投入（ln）	0.284	0.062	4.58	< .001	[0.162, 0.406]
资产负债率	-0.193	0.078	-2.47	.014	[-0.346, -0.040]
企业规模（ln）	0.412	0.104	3.96	< .001	[0.208, 0.616]
GDP 增长率	0.087	0.031	2.81	.005	[0.026, 0.148]
个体固定效应	已控制	—	—	—	—
时间固定效应	已控制	—	—	—	—
观测值 N	1,820	—	—	—	—
个体数 n	182	—	—	—	—
时间跨度 T	10	—	—	—	—
Within R²	.342	—	—	—	—

表格注释模板：

注. 因变量为企业全要素生产率（TFP，ln 转换）。标准误经个体聚类稳健处理（Clustered SE at firm level）。个体固定效应与年份固定效应均已控制，不逐一列出。*p < .05. **p < .01. ***p < .001.

必须说明的面板特有信息

标准误类型：普通 SE / 稳健 SE（Robust SE）/ 聚类稳健 SE（Clustered SE）及聚类层级
固定效应是否控制：个体 FE / 时间 FE / 双向 FE（Two-Way FE）
观测值结构：总观测 N、个体数 n、时间跨度 T（平衡/非平衡面板）
R² 类型：within R²（FE 模型）或 overall R²（RE 模型）

五、各场景完整 APA 报告模板

场景一：固定效应（FE）模型完整报告

情形：182 家制造业企业，2014—2023 年（T = 10），因变量为全要素生产率（TFP），含 4 个时变自变量，控制个体和年份双向固定效应，聚类稳健标准误。

完整报告段落模板：

采用双向固定效应（Two-Way FE）面板回归分析[自变量]对[因变量]的影响。
Hausman 检验结果显著，chi^2([df]) = X.XX，p [值]，
拒绝随机效应假设，因此采用固定效应模型。
标准误经[个体/行业]层级聚类处理以矫正组内自相关。

固定效应回归结果如表 X 所示（within R² = .XX）。
[自变量1]对[因变量]具有显著正向影响，B = X.XX，SE = X.XX，
t([df]) = X.XX，p [值]，95% CI [XX, XX]，
表明[实质含义解释]。
[自变量2]对[因变量]的影响不显著，B = X.XX，SE = X.XX，p = .XXX。
[时间/个体]固定效应均已控制。

填入数值的示例：

采用双向固定效应（Two-Way FE）面板回归分析企业研发投入对全要素生产率的影响，样本包含 182 家制造业企业 2014 年至 2023 年共 1,820 个观测值（平衡面板）。Hausman 检验结果显著，chi^2(4) = 23.47，p = .003，拒绝随机效应假设，因此采用固定效应模型控制不可观测的个体异质性。标准误经企业层级聚类处理以矫正组内自相关（Clustered SE at firm level）。

固定效应回归结果如表 2 所示，模型组内 R²（within R²）= .342，组间 R²（between R²）= .218，总体 R²（overall R²）= .287。研发投入（对数）对全要素生产率具有显著正向影响，B = 0.284，SE = 0.062，t(1637) = 4.58，p < .001，95% CI [0.162, 0.406]，表明研发投入每增加 1%，TFP 提升约 0.284%，且该效应在控制企业固定效应和年份固定效应后仍稳健。资产负债率对 TFP 的影响显著为负，B = -0.193，SE = 0.078，t(1637) = -2.47，p = .014，95% CI [-0.346, -0.040]，说明财务杠杆越高，TFP 越低。

场景二：随机效应（RE）模型完整报告

情形：RE 模型（Hausman 检验不显著），需估计时间不变变量（如行业类别）。

完整报告段落模板：

采用随机效应（RE）面板回归分析[自变量]对[因变量]的影响。
Hausman 检验未达显著，chi^2([df]) = X.XX，p = .XXX，
无法拒绝个体效应与解释变量不相关的假设，因此采用随机效应模型。

随机效应回归结果如表 X 所示（overall R² = .XX，within R² = .XX）。
[自变量]（B = X.XX，SE = X.XX，z = X.XX，p [值]，
95% CI [XX, XX]）对[因变量]具有显著[正向/负向]影响。

注意：RE 模型系数检验使用 z 统计量（非 t），报告格式为 z = X.XX，p [值]；FE 模型使用 t 统计量，格式为 t = X.XX 或 t([df]) = X.XX。

场景三：方法章节标准表述

固定效应模型方法章节：

本研究以[因变量]为被解释变量，构建双向固定效应面板回归模型：

  Y_{it} = alpha_i + lambda_t + beta * X_{it} + gamma * Z_{it} + epsilon_{it}

其中 alpha_i 为个体固定效应，控制不随时间变化的个体特征；
lambda_t 为时间固定效应，控制所有个体共同面临的时间冲击；
epsilon_{it} 为随机扰动项。
模型选择依据 Hausman 检验（H0：随机效应估计一致）。
标准误经[个体/行业]层级聚类处理（Clustered SE），
以解决组内自相关导致的标准误低估问题。
统计软件、版本、估计器与显著性水平应按本次真实分析记录填写。

随机效应模型方法章节：

本研究采用随机效应（RE）面板回归模型，以保留时间不变变量（如[变量名称]）的估计。
Hausman 检验结果不显著（chi^2([df]) = X.XX，p = .XXX），
支持随机效应模型假设。模型估计采用广义最小二乘法（GLS），
以解决个体效应引起的异方差问题。

六、在 ChatSRS 发起基准面板分析任务

确认数据已经去标识并核对个体、时间和变量编码后，可进入 ChatSRS描述基准任务：

"请先检查这份企业—年份数据能否构成面板，报告个体数、时间范围、重复键和缺失情况。然后按当前支持的 panel_baseline 路径运行基准模型，列出实际使用的估计器、变量编码、样本量、系数与区间；未运行的 Hausman、聚类稳健标准误或其他诊断请明确标为待外部复核，不要补造数值。"

只引用真实返回的字段。若研究设计需要 FE/RE 选择、Mundlak、工具变量或特殊稳健标准误，而当前输出没有相应证据，应转到已验证的统计实现完成并把结果带回本页的报告框架，不要从模板推断产品已经执行。

七、面板回归报告常见错误对照表

常见错误	正确写法	违反的规则
未报告 Hausman 检验	chi^2(df) = X.XX，p = .XXX，说明模型选择依据	面板回归模型选择必须有统计依据
R² = .XX 不注明类型	within R² = .XX 或 overall R² = .XX	面板模型 R² 有三种，类型不同含义不同
FE 模型用 z 统计量	FE 用 t，RE 用 z	FE 为 LSDV 估计，RE 为 GLS 估计，检验统计量不同
标准误类型未注明	"(Clustered SE at firm level)" 注释	SE 类型直接影响系数显著性判断
个体固定效应系数逐一列出	表中写"已控制（Controlled）"	个体数多时无需逐一列出，注明控制即可
未注明是平衡/非平衡面板	"N = 1820，n = 182，T = 10（平衡面板）"	非平衡面板样本选择问题需特别说明
p = .000	p < .001	APA 格式禁止写 .000
时间固定效应未注明	"时间固定效应已控制（Year FE）"	与个体 FE 并列说明，缺一不可

八、面板回归中的进阶报告场景

工具变量与内生性检验（2SLS-FE）

当存在内生性问题时，采用工具变量两阶段最小二乘（2SLS）结合固定效应，报告须额外说明：

为解决[变量名]可能存在的内生性问题，采用[工具变量名称]作为工具变量，使用两阶段最小二乘（2SLS）结合个体固定效应估计。弱工具变量检验（Kleibergen-Paap F 统计量）结果为 F = XX.X（超过 10 的经验临界值），Sargan-Hansen 过度识别检验 chi^2([df]) = X.XX，p = .XXX，支持工具变量有效性。

面板数据异方差与序列相关检验

方法章节补充说明检验过程：

采用 Modified Wald 检验检验组间异方差（chi^2([n]) = XX.XX，p < .001），采用 Wooldridge 检验检验一阶序列相关（F(1, [n-1]) = X.XX，p [值]）。鉴于两者均显著，采用 Driscoll-Kraay 非参数标准误以同时控制序列相关、截面相关和异方差。

常见 FAQ

Q：FE 模型一定比 RE 模型好吗？Hausman 检验 p > .05 是不是就不用做 FE？

A：不是"更好"，而是"适合不同目的"。Hausman 检验 p > .05 表示当前数据无法拒绝"个体效应与解释变量不相关"的假设，此时 RE 是有效的估计。但 RE 的假设更强——如果理论上认为个体差异可能与自变量有关（如研究企业决策、个人选择等内生场景），即便 Hausman 检验不显著，从理论先验出发选择 FE 也是合理的，只需在论文中说明选择依据。总结：Hausman 检验是统计依据，理论先验是文献依据，两者都要说清楚。

Q：面板回归的 R² 这么多，哪个最重要？

A：取决于模型类型和研究目的。对于固定效应模型，within R² 最重要——它反映自变量解释了多少"组内（时序）变异"，这正是 FE 估计的核心识别来源；between R² 较低是正常现象，因为 FE 已经去除了组间差异。对于随机效应模型，overall R² 和 within R² 都值得报告。在论文中只需重点报告最相关的一种，其余附在表格注释中作参考即可。

Q：聚类稳健标准误（Clustered SE）和普通稳健标准误（Robust SE）有什么区别，面板数据必须用前者吗？

A：普通稳健 SE（White SE）只修正异方差，假设观测值之间独立；聚类稳健 SE（Clustered SE）同时修正同一聚类（如同一个体、同一行业）内的序列相关和异方差。面板数据中，同一个体在不同时间点的观测天然不独立，因此面板回归强烈推荐使用聚类稳健 SE，聚类层级通常选择"个体"（如企业、个人）。若个体数较少（n < 50），聚类 SE 的小样本表现较差，可考虑 Bootstrap SE 或 Driscoll-Kraay SE。

Q：Hausman 检验怎么报告才完整？只写 p 值够吗？

A：不够。APA 7th 对所有推断统计量的要求是"完整统计量"，Hausman 检验的完整格式为：chi^2(df) = X.XX，p = .XXX。其中 df = 被检验的回归系数个数（通常等于时变自变量个数，不含截距和时间虚拟变量）。只写 p 值会被审稿人要求补充。另外，当 Hausman 检验拒绝 RE 假设时，结论句也要写清楚——"因此采用固定效应模型"——不要只报数字不下结论。

快速参考：面板回归 APA 报告速查卡

[Hausman 检验]
chi^2([df]) = X.XX, p = .XXX
FE 模型（p < .05）："拒绝随机效应假设，采用固定效应模型"
RE 模型（p > .05）："无法拒绝随机效应假设，采用随机效应模型"

[固定效应（FE）系数]
B = X.XX, SE = X.XX（聚类稳健 SE，以个体聚类）
t([df]) = X.XX, p = .XXX（大样本面板 df 可省略，直接写 t = X.XX 亦可）
95% CI [X.XX, X.XX]

[随机效应（RE）系数]
B = X.XX, SE = X.XX, z = X.XX, p = .XXX
95% CI [X.XX, X.XX]

[R² — FE 模型]
within R² = .XX（主要报告），between R² = .XX，overall R² = .XX

[R² — RE 模型]
overall R² = .XX（主要报告），within R² = .XX，between R² = .XX

[面板结构说明]
"N = 总观测，n = 个体数，T = 时间跨度（平衡/非平衡面板）"

[固定效应控制说明（系数表备注）]
"个体固定效应与年份固定效应均已控制；标准误经个体层级聚类处理"