Hausman-Taylor 估计是什么？
Hausman-Taylor 估计回答的是面板随机效应模型里，如何同时估计时变变量和时不变变量，并处理部分解释变量可能和个体效应相关的问题。
先用一句话理解
把 Hausman-Taylor 想成固定效应和随机效应之间的折中。固定效应能控制个体不变差异，但会吃掉性别、地理位置这类时不变变量；Hausman-Taylor 试图用模型内部的外生变量做工具，把一部分时不变变量的效应估出来。
什么时候用
| 判断项 | 教科书式判断 |
|---|---|
| 适合用在 | 面板数据中既有时变变量也有时不变变量，且部分变量可能与个体效应相关。 |
| 先不要用在 | 所有关键变量都有充分组内变化，普通 FE 已经能回答问题。 |
| 最关键的前提 | 变量必须被清楚分为时变/时不变、外生/内生四类。 |
| 读表顺序 | 先看变量分类，再看工具变量来源、过识别和 RE/FE 对照。 |
| 论文表述边界 | HT 依赖内部工具变量假设，不能写成自动优于 FE。 |
把它和相近方法分清楚
| 容易混淆的对象 | 怎么区分 | 初学者记法 |
|---|---|---|
| 固定效应 | 控制所有个体不变因素。 | 不能估计时不变变量效应。 |
| 随机效应 | 可估计时不变变量。 | 要求个体效应与解释变量无关。 |
| Hausman-Taylor | 用内部工具处理部分相关性。 | 依赖变量分类和工具有效性。 |
核心直觉和模型公式
时变与时不变变量并存
Hausman-Taylor 的基本面板方程可写成：
\[Y_{it}=X_{1it}\beta_1+X_{2it}\beta_2+Z_{1i}\gamma_1+Z_{2i}\gamma_2+\alpha_i+\varepsilon_{it}\]
X 表示时变变量，Z 表示时不变变量；下标 1/2 通常对应外生与内生分组。
公式里的符号怎么读
| 符号 | 含义 | 在本页怎么理解 |
|---|---|---|
| X1_it | 时变外生变量 | 可作为内部工具的一类变量。 |
| X2_it | 时变内生变量 | 可能和个体效应相关。 |
| Z1_i | 时不变外生变量 | 随机效应下可直接估计。 |
| Z2_i | 时不变内生变量 | HT 重点想估计但需要工具。 |
| α_i | 个体效应 | 不随时间变化的未观察个体特质。 |
专业使用口径
专业 HT 报告的核心不是软件命令，而是变量分类是否可信。
| 口径 | 专业写法 |
|---|---|
| 四类变量 | 逐项说明哪些变量是 X1、X2、Z1、Z2。 |
| 内部工具 | 解释为什么某些组内/组间变化可作为工具。 |
| 对照模型 | 和 FE、RE、IV 或 Mundlak 规格对照。 |
| 过识别 | 如果有过识别检验，要披露结果和边界。 |
一步一步做：从问题到结果的五步
| 步骤 | 这一页具体做什么 | 做到什么程度才算读懂 |
|---|---|---|
| 1. 明确研究目标 | 是否必须估计时不变变量效应。 | 否则 FE 可能更简单。 |
| 2. 划分变量类型 | 按时变/时不变、外生/内生分类。 | 分类错误会直接破坏识别。 |
| 3. 构造内部工具 | 利用外生变量的组内或组间变化。 | 工具来源要讲清。 |
| 4. 估计 HT | 在随机效应框架下使用工具变量。 | 系数解释依赖假设。 |
| 5. 做模型对照 | 比较 FE/RE/HT 方向。 | 冲突时不能只选 HT。 |
结果怎么读：先读口径，再读数字
本页案例读表时，先记住这个口径：一阶段工具变量 = L.dfi_index；教学案例用滞后 DFI 演示 IV 流程；正式论文需要外生来源。
| 读表顺序 | 本页怎么读 | 不要这样读 |
|---|---|---|
| 先看变量分类 | 四类变量是否列清。 | 没有分类就无法评估 HT。 |
| 再看工具来源 | 内部工具是否有经济含义。 | 纯软件生成不够。 |
| 然后看时不变变量 | HT 是否提供了核心估计。 | 这是它相对 FE 的价值。 |
| 最后看敏感性 | 和 FE/RE 是否冲突。 | 冲突要保守解释。 |
初学者最容易错在哪里
| 误读 | 为什么错 |
|---|---|
| 为了保留时不变变量就直接用 HT | 错。还要满足工具假设。 |
| 不报告变量分类 | 错。读者无法判断识别。 |
| 把 HT 写成固定效应 | 错。它在随机效应和 IV 框架下工作。 |
| 忽略过识别风险 | 不严谨。内部工具也可能无效。 |
先看这个案例的结论
- 一阶段工具变量 = L.dfi_index；教学案例用滞后 DFI 演示 IV 流程；正式论文需要外生来源。
- 一阶段 F = 2.0575；弱工具变量诊断的核心指标。
- 2SLS 系数 = -0.0237；第二阶段使用预测 DFI。
- 这些数字来自页面里的结果表；写论文时先解释数值含义，再讨论理论含义。
变量要求和案例口径
| 字段 | 口径 |
|---|---|
| 数据 | CSMAR 风格 A 股企业创新面板 |
| 原始样本 | 196 家上市公司，2015-2020 年，约 1200 个公司-年观测；各方法有效样本以本页输出表 N 为准 |
| 因变量 | patent_count；回归页通常使用 ln(1 + patent_count) |
| 核心解释变量 | dfi_index，数字普惠金融指数；部分案例输出展示的是标准化后的 dfi_index |
| 控制变量 | roa、lev、size、growth、cashflow、tobinq、top1、dual、board、indep、soe、age |
| 输出文件 | xthtaylor_results.csv |
| 角色要求 | 因变量、核心解释变量、个体 ID、时间变量 |
| 依赖包 | 无额外 Stata 社区包要求 |
实际代码
下面是本页案例里的最小 Stata 代码。它的作用是帮助你看清变量怎么进入模型、结果文件怎么生成，而不是要求你在网页里手动运行。
import delimited "$DATA_PATH", clear varnames(1) encoding(UTF-8)
gen ln_patent1 = ln(1 + patent_count)
egen firm_id = group(stkcd)
xtset firm_id year
global y ln_patent1
global count_y patent_count
global x dfi_index
global controls roa lev size growth cashflow tobinq top1 dual board indep soe age
gen post = year >= 2018
bysort firm_id: egen pre_dfi = mean(cond(year < 2018, dfi_index, .))
quietly summarize pre_dfi, detail
gen treat = pre_dfi >= r(p50)
gen did = treat * post
gen high_patent = patent_count > 2
gen running_dfi = dfi_index - 260
gen rdd_treat = running_dfi >= 0
xthtaylor $y $x roa lev size growth cashflow tobinq top1 indep age, endog($x)
export delimited using "$JOB_DIR/xthtaylor_results.csv", replace实际输出表
这张表是本方法页配套案例的输出结果，用来把前面的公式、变量口径和代码对应到实际数字。
| 指标 | 数值 | 解释 |
|---|---|---|
| 样本 | 1200 obs / 196 firms / 2015-2020 | 来自共用案例 CSV |
| 因变量 | ln(1 + patent_count) | 企业创新产出 |
| 核心解释变量 | dfi_index | 数字普惠金融指数 |
| 输出文件 | xthtaylor_results.csv | empirical-wizard 对应方法产物 |
| 一阶段工具变量 | L.dfi_index | 教学案例用滞后 DFI 演示 IV 流程；正式论文需要外生来源 |
| 一阶段 F | 2.0575 | 弱工具变量诊断的核心指标 |
| 2SLS 系数 | -0.0237 | 第二阶段使用预测 DFI |
| 2SLS p 值 | 0.2853 | 与 OLS/FE 方向对照，不单独当成识别证明 |
案例图
这是一张由同一份案例数据生成的页面内诊断图。
论文里怎么写
本文在共用企业面板样本上报告Hausman-Taylor 估计，核心输出见 xthtaylor_results.csv。结果解释时同时关注样本口径、变量构造、系数方向、标准误和适用前提，避免只凭单个 p 值完成方法选择。
检查清单
- 先把变量分成时变/时不变、外生/内生四类。
- Hausman-Taylor 的识别来自这些分类，分类没有理论依据就不能用。
- 报告时说明为什么要保留时不变变量而不直接使用 FE。