固定效应认为，效应是外生固定的，最下一行中和是确定值（无需假定是否和 相关）；

随机效应认为，效应是随机的实现，最下一行中和与无关且满足特定的参数分布；

如果实际上符合随机效应中满足特定分布的假设，意味着对于每一个observation，其它observation也提供了信息，于是在随机效应下GLS估计比CV估计更有效率；反之，如果实际上是固定效应模型，CV估计是有效率的，而GLS估计则是有偏的，且在只有N趋于无穷时不一致；以上两条说明可能可以用Hausmann检验来进行模型选。固定效应的好处在于无需假设各固定效应与解释变量之间的关系，坏处在于固定效应需要估计更多的参数，因为相当于给每个个体/时间都加一个dummy，另外不随时间/个体变化的变量会被吸收进dummy而无法估计。反之，随机效应需要估计的参数是固定的，而且能估计不随时间/个体变化的变量，但是所需的假设变强了。