Econometrics
如何使用豪斯曼檢驗進行性別歧視？
我正在嘗試估算瑞典一家大型公司中男女上班族的性別工資差距，以測試是否存在性別歧視。Hausman 檢驗拒絕了單個固定效應是隨機的零值，因此我不能依賴合併的 OLS 或隨機效應。問題是我不能將我的女性假人保持在固定效應回歸中，因為它不會隨時間變化。
有人建議我使用 Hausman 測試來測試歧視，但我真的不明白應該如何使用它來發現男性和女性工人之間的收入差異。我希望也許這裡有人會更好地理解這個建議。如果是這樣，您能否為我解釋一下？
我看到了這個建議背後的原因，但是 i）這個人應該更好地向你解釋它，並且 ii）他們還應該提到這個想法背後的限制性假設。
在 Hausman 檢驗中，您通常會問在一致但低效的模型與更有效的潛在不一致模型之間是否存在差異。在比較固定效應和隨機效應的標準情況下，無論單個效應是否與其他解釋變量相關，固定效應估計量都是一致的，但它的效率低於隨機效應估計量，隨機效應估計量僅對不相關的固定效應與解釋變量。
兩組（男性或女性）中的任何一個都會有更少的觀察結果。我先驗地猜測這是女性組。因此，如果您運行相同的回歸規範
在哪裡是收益，是相同的時變解釋變量，是個體固定效應和是一個隨機誤差，那麼男性和女性模型之間的差異將意味著男性和女性在工資方面的待遇不同。在這種情況下，測試統計量將是
然而，這是很重要的一點，整個推理只有在正確指定兩個模型時才成立。很容易想出被忽略的性別特定變量，這些變量是隨時間變化的並且會影響工資，例如生育。這立即打破了這個想法的主要假設，所以我會小心的。