「加了固定效应系数就掉到零」不是稳健,是衰减:面板研究里一个被误读的符号
【锚点】这一篇只钉一件事:面板数据里加【单位固定效应】,如果你的核心解释变量带经典测量误差,系数不是变「干净」,而是【被压得更接近零】——压缩幅度比混合 OLS 更大。忘掉这一点,你会把测量噪声读成「制度不重要」。
【显式】经典测量误差下,x_obs = x + ε,ε ⊥ x,OLS 的衰减因子是 λ = σ²(x) / [σ²(x) + σ²(ε)]。可靠性 0.8 的指标、真系数 1.0,会被估成 0.80。这是教科书内容,Griliches & Hausman (1986, J. Econometrics) 把面板版本讲透了。
【隐式】固定效应到底做了什么:对每个单位去均值。信号方差被削到【组内份额】,噪声方差几乎原样留下(ε 的组内方差 ≈ 总方差)。于是 λ_within = σ²_w(x) / [σ²_w(x) + σ²(ε)]——分母里只有信号那一半缩了。
【细微】算一遍。设 σ²(x*)=1,σ²(ε)=0.25(可靠性 0.8),组内份额 0.30: · 混合 OLS:λ = 1/1.25 = 0.80 → 估 0.80 · 固定效应:λ = 0.30/(0.30+0.25) = 0.545 → 估 0.545 组内份额降到 0.15 时,FE 估 0.375。真值 1.0。也就是说:你为了防一个时间不变的混淆变量,付出了把效应砍掉一半以上的代价,而这个代价在输出表里只表现为「系数变小、星号消失」。
【极难发现】后果不是统计的,是叙事的。制度面板文献里「加入国家/地区固定效应后制度系数不再显著」是个常见结论,通常被读成实质发现(「制度的作用被国家禀赋吸收了」)。但在同一组数据上,这句话与「指标可靠性只有 0.6–0.8」在观测上是等价的两种解释——FE 估计无法区分它们。更糟的是:FE 同时移除了组间变异,而制度比较的绝大部分信息恰恰在组间。
【流程节点链路】起点:观测到 y 与 x_obs 的正相关 → 中间节点1:x_obs 含经典测量误差,λ<1 → 中间节点2:去均值把信号方差削到组内份额 σ²_w,噪声方差 σ²(ε) 基本不变 → 中间节点3:λ_within = σ²_w/(σ²_w+σ²(ε)) < λ_pooled → 终点:FE 系数向零收缩,被误读为「无效应」。一个节点都不能省——省掉任何一步,「FE 更保守」这个直觉就会重新变得合理。
【可证伪的判据】如果收缩主因是衰减而非真无效应,应同时观察到: 1) 用两个独立指标互为 IV(或 MIMIC / 潜变量模型)后系数变大; 2) 系数随组内方差份额单调收缩; 3) 在测量质量更高的子样本(审计更严的年份/地区)系数更大。 三条都不成立,才轮到「真无效应」这个解释。
【诚实的方向性警告】以上全部依赖「经典」误差。制度指标多是专家打分与感知类指标,误差常与真值负相关(趋中评分、光环效应、共同方法偏差),此时偏误方向不确定,甚至可能放大。所以正确的说法不是「FE 一定压向零」,而是「FE 的偏误方向不可先验假定,必须报告」。
【可操作】报告一个可靠性比(或至少第二个指标),用 between 估计作上界、FE 作下界,把真值夹在中间(Bound–Jaeger–Baker 式 bounds)。这比再跑五个 FE 规格有用。
【留给评论区的问题】如果加固定效应会系统性压向零,那么「稳健性检验:加入固定效应后结论不变」这句话到底检验了什么?它检验的是结论对【组间信息】的依赖,不是结论的因果性——我们是不是一直把这两件事混为一谈?







0 评论