实证研究干货专题六：异质性分析的思路与视角

Tags

Top Highlights

• 有时候分组回归结果显示一组显著一组不显著，这并不代表两组具有显著性差异，就不再进行组间系数差异的判断，而是可能回归的过程中存在其他问题的干扰，比如两组样本的差异，不显著的一组可能是由于样本过少导致，这点一定要引起初学者的注意，往往过度关注分组系数的结果而忽略了样本差异因素导致的结果偏差，虽然统计学上显著，但这种结果就变得毫无意义，还是前面所说的，如果一定要按照既定划分的样本做异质性，至少要保证两组样本的随机分布特征和符合总体分布，否则仅根据回归系数显著与否判断两组之间的异质性是不足的，分组回归至少要保证两组样本的观测是相近的，然后在组间系数差异显著的基础上才能判断异质性，当然，两组系数结果相反也是一样的道理。

• 个好的异质性变量应该是能够影响自变量或者因变量，而且是相对外生的，只会对因果关系造成异质性影响

• 异质性分析的根本目的是找出因果关系中客观存在的差异，如果研究的故事本身就不存在异质性，那么分析异质性就没有必要。