固定效應模型與隨機效應模型的區別

固定效應認為，效應是外生固定的，最下一行中和是確定值（無需假定是否和 相關）；

隨機效應認為，效應是隨機的實現，最下一行中和與無關且滿足特定的參數分佈；

如果實際上符合隨機效應中滿足特定分佈的假設，意味着對於每一個observation，其它observation也提供了信息，於是在隨機效應下GLS估計比CV估計更有效率；反之，如果實際上是固定效應模型，CV估計是有效率的，而GLS估計則是有偏的，且在只有N趨於無窮時不一致；以上兩條説明可能可以用Hausmann檢驗來進行模型選。固定效應的好處在於無需假設各固定效應與解釋變量之間的關係，壞處在於固定效應需要估計更多的參數，因為相當於給每個個體/時間都加一個dummy，另外不隨時間/個體變化的變量會被吸收進dummy而無法估計。反之，隨機效應需要估計的參數是固定的，而且能估計不隨時間/個體變化的變量，但是所需的假設變強了。