Hausman-Test
In diesem Beitrag
Was versteht man unter dem Hausman-Test?
Der Hausman-Test ist ein statistisches Testverfahren, das überprüft, ob zwei unterschiedliche Schätzer eines Modells systematisch voneinander abweichen. Er wurde 1978 von Jerry Hausman entwickelt und wird vor allem in der Ökonometrie eingesetzt, um zwischen zwei konkurrierenden Modellspezifikationen zu entscheiden.
Am häufigsten begegnet der Hausman-Test in der Paneldatenanalyse, wo er die Frage beantwortet: Fixed-Effects-Modell oder Random-Effects-Modell? Die Grundidee ist dabei folgende: Unter der Nullhypothese sind beide Schätzer konsistent, aber nur der Random-Effects-Schätzer ist effizient. Unter der Alternativhypothese ist nur der Fixed-Effects-Schätzer konsistent.
Die Teststatistik basiert auf der Differenz der Koeffizientenvektoren beider Schätzer:
Teststatistik (Hausman-Test)
Dabei ist der Fixed-Effects-Schätzer, der Random-Effects-Schätzer und die Differenz der Varianz-Kovarianz-Matrizen. Die Teststatistik folgt asymptotisch einer Chi-Quadrat-Verteilung mit k Freiheitsgraden, wobei k die Anzahl der getesteten Koeffizienten ist.
Die Hypothesen lauten formal:
- H₀: Die individuellen Effekte sind nicht mit den erklärenden Variablen korreliert → Random-Effects-Modell ist konsistent und effizient.
- H₁: Die individuellen Effekte sind mit den erklärenden Variablen korreliert → Random-Effects-Modell ist inkonsistent; Fixed-Effects-Modell ist vorzuziehen.
Warum ist der Hausman-Test für statistische Analysen wichtig?
Die Wahl zwischen Fixed-Effects- und Random-Effects-Modell hat erhebliche Konsequenzen für die Validität deiner Ergebnisse. Ein Random-Effects-Modell setzt voraus, dass die unbeobachteten, zeitkonstanten Eigenschaften der Untersuchungseinheiten (z. B. Personen, Unternehmen, Länder) nicht mit den erklärenden Variablen zusammenhängen. Ist diese Annahme verletzt und du verwendest trotzdem Random Effects, sind deine Schätzer verzerrt und inkonsistent – ein klassisches Endogenitätsproblem.
Der Hausman-Test liefert eine formale Entscheidungsgrundlage für diese Modellwahl. Er ist damit ein zentrales Werkzeug beim Umgang mit Paneldaten.
Darüber hinaus findet der Hausman-Test Anwendung bei der Überprüfung von Endogenität in Regressionsmodellen allgemein: Man testet, ob ein Regressor endogen ist, indem man OLS- und IV-Schätzer (Instrumentalvariablen-Schätzer) miteinander vergleicht.
Praxisbeispiel zum Hausman-Test
Eine Forscherin untersucht den Einfluss von Bildungsausgaben auf die Schulleistungen in 50 Bundesstaaten über einen Zeitraum von 10 Jahren. Sie schätzt zunächst ein Random-Effects-Modell und ein Fixed-Effects-Modell und vergleicht die Koeffizienten.
| Modell | Koeffizient (Bildungsausgaben) | Standardfehler |
|---|---|---|
| Fixed Effects (FE) | 0,42 | 0,09 |
| Random Effects (RE) | 0,21 | 0,06 |
Die Koeffizienten unterscheiden sich deutlich. Der Hausman-Test ergibt eine Teststatistik von χ²(3) = 14,7 mit einem p-Wert von 0,002. Da der p-Wert unter dem Signifikanzniveau von 0,05 liegt, wird die Nullhypothese abgelehnt.
Interpretation: Es gibt statistisch signifikante Hinweise darauf, dass die unbeobachteten, zeitkonstanten Eigenschaften der Bundesstaaten (z. B. wirtschaftliche Struktur, politische Prioritäten) mit den Bildungsausgaben korrelieren. Das Random-Effects-Modell würde zu verzerrten Schätzern führen. Die Forscherin sollte daher das Fixed-Effects-Modell verwenden.
