74
Edelleen Iiitteessa 7 olevista tuloksista voidaan havaita, etta LM-testisuure115 saa arvon
409.20 ja tâmâ arvo on merkitseva prosentin riskitasolla. Nain ollen Ho hylâtâân ja voidaan
todeta, etta Satunnaisten Vaikutusten malli on perinteistà PNS-estimaattoria tehokkaampi.
Edella on saatu selville, etta molemmat estimoidut paneelidatamallit ovat perinteistà PNS-
estimaattoria tehokkaampia. Viimeisena vaiheena on selvittââ, kumpi estimoiduista
Paneelidatamalleista on tehokkaampi. Tama tapahtuu Hausmanin Spesifikaatiotestin
perusteella, jossa testataan periaatteessa ainoastaan Satunnaisten Vaikutusten mallin
yksilollisten, satunnaisten Vaikutustenja mallin Selittajien korrelaatiota.i16
Hausmanin mukaan tehokkaan estimaattorin ja tehokkaan ja tehottoman estimaattorin
erotuksen Viilinen kovarianssi on nolla eli
(44) Cov (Pgls , Pdm - Pgls ) = 0.
Jos Hausmanin testissâ H0 - hypoteesi jaa voimaan, on tallôin dummy-muuttujamenetelman
estimaattorit tarkentuvia ja satunnaisten Vaikutusten menetelmiin estimaattorit tehokkaita. Jos
testi ρuoltaa Ho -hypoteesin hylkaamistii, ovat dummy-muuttujamenetelman estimaattorit
edelleen tarkentuvia, mutta satunnaisten vaikutusten menetelmân estimaattorit muuttuvat
(edelIiiesitetysta korrelaatiosta johtuen) Iiarhaisiksi. Hausmanin testisuure on χ2 -jakautunut
Vapausasteilla, jotka ovat yhtalaisia mallin SeIittavien muuttujien Iukumaiiraan ja kyseinen
testisuure voidaan esittaâ muodossa
(45) W “ (ром -pGLS )’[ Var (Pdm) - Var (Pgls )] 1 (Pdm “Pgls )-ɪɪ7
Liitteesta 7 havaitaan, etta Hausmanin χ2 (2) -jakautunut testisuure saa arvon 121.29, joka on
merkitseva prosentin riskitasolla. Niiin ollen satunnaisten vaikutusten mallin parametrit
korreloivat jâànnostermien kanssa ja estimaattorit ovat harhaisia. Naiden kahden menetelmân
vâlisessa tarkastelussa implisiittisen Volatiliteetin tehokkaammaksi estimaattoriksi valitaan
115 Breusch ja Paganin testisuureesta on kiiytetty Iiitteessii (7) nimeà Lagrange Multiplier Test,
estimoinneissa kaytetyn tietokoneohjelman (LIMDEP 7.0) mukaisesti.
116 Mundlakin mukaan mallin oletus ko. muuttujien korrelOimattomuudesta voidaan testata
approksimoimalla muuttujien kovarianssi Iineaarisella muunnoksella. Lisait, ks.
Mudlak(1978) ja Lilja (1998).
π7 Lilja (1998) ja Greene (1995, s. 306).