Kiểm định Hausman là gì?
Kiểm định Hausman được sử dụng để so sánh hai phương pháp ước lượng : mô hình tác động ngẫu nhiên (RE) và mô hình tác động cố định (FE). Kiểm định này kiểm tra xem liệu các ước lượng của RE có phù hợp hơn so với FE hay không. Nếu giá trị p của kiểm định Hausman nhỏ hơn mức ý nghĩa thống kê được chọn (thường là 0,05 hoặc 0,01), thì chúng ta sẽ từ chối giả thuyết không rằng RE là phù hợp và chấp nhận giả thuyết thay thế rằng FE là phù hợp hơn.
Lỗi chi2<0 , chi bình phương bé hơn 0 xuất hiện khi nào.
Sau khi chạy kiểm định hausman, nếu giá trị p<5% thì dĩ nhiên ta chọn mô hình FEM mà không chọn REM. Tuy nhiên có trường hợp xuất hiện lỗi sau:
chi2<0 ==> model fitted on these data fails to meet the asymptotic assumptions of the Hausman test; see suest for a generalized test
Như ảnh dưới:
Để xử lý lỗi này, bạn cần hiểu rõ rằng kiểm định Hausman chỉ có thể được sử dụng khi các giả thuyết phân phối của ước lượng RE và FE đều thoả mãn, và khi đó giá trị thống kê của kiểm định là một giá trị không âm của phân phối chi bình phương (chi-square distribution).
Nếu giá trị chi bình phương (chi-square) trong kiểm định Hausman nhỏ hơn 0, điều này có nghĩa là mô hình không đáp ứng được các giả thuyết phân phối và không đáp ứng được tiêu chuẩn của kiểm định. Trong trường hợp này, bạn không thể sử dụng kiểm định Hausman để so sánh giữa ước lượng RE và FE.
Thay vào đó, bạn có thể sử dụng phương pháp suest (Seemingly Unrelated Estimation) để so sánh ước lượng giữa các mô hình RE và FE. Phương pháp này được sử dụng để kết hợp các mô hình ước lượng phức tạp hơn, giúp tăng độ chính xác của các ước lượng và đưa ra các giả định phù hợp hơn. Suest cung cấp một kiểm định tổng quát hơn để so sánh giữa các mô hình, bao gồm cả RE và FE, mà không yêu cầu giả định phân phối như kiểm định Hausman.
Vì vậy, nếu giá trị chi bình phương của kiểm định Hausman nhỏ hơn 0, bạn có thể sử dụng phương pháp suest để so sánh giữa các mô hình ước lượng RE và FE.
Cách xử lý lỗi chi2 <0 , giá trị p không xuất hiện
Có một số cách khắc phục lỗi này:
1. Thay đổi tăng hoặc giảm số lượng quan sát rồi chạy lại cho đến khi ok.
2. Thay đổi thứ tự tham số trong hausman, ví dụ : hausman fixed random thì đổi thành hausman random fixed. Tuy nhiên cách này sẽ ra được giá trị p, và chỉ để tham khảo chứ không kết luận được dựa vào cách này.