两个PDF比较标出差异_[连玉君专栏]如何检验分组回归后的组间系数差异？

连玉君 （中山大学岭南学院金融系）
Stata连享会   主页 || 视频 || 推文

连享会-知乎推文列表

Note: 助教招聘信息请进入「课程主页」查看。

因果推断-内生性 专题 ⌚ 2020.11.12-15 主讲：王存同 (中央财经大学)；司继春(上海对外经贸大学) 课程主页： https://gitee.com/arlionn/YG | 微信版

http://qr32.cn/BlTL43 (二维码自动识别)

空间计量 专题 ⌚ 2020.12.10-13 主讲：杨海生 (中山大学)；范巧 (兰州大学) 课程主页： https://gitee.com/arlionn/SP | 微信版

https://gitee.com/arlionn/DSGE (二维码自动识别)

---

2018.4.11更新：该文已发表
连玉君, 廖俊平, 2017, 如何检验分组回归后的组间系数差异?, 郑州航空工业管理学院学报 35, 97-109. [PDF 原文下载] [PDF-万方]
2020.4.19 更新：[本文最新版]

问题：实证分析中，经常需要对比分析两个子样本组的系数是否存在差异。
例如，在公司金融领域，研究薪酬激励是否有助于提升业绩时，模型设定为：

关注的重点是系数

。

我们经常把样本组分成“国有企业(SOE)”和“民营企业(PRI)”两个样本组，继而比较

和

是否存在差异。通常认为，民营企业的薪酬激励更有效果，即

。

如果两个样本组中的模型设定是相同的，则两组之间的系数大小是可以比较的，而且这种比较在多数实证分析中都是非常必要的。

举几个例子，让诸位对这类问题有点感觉：

Cleary, S., 1999, The relationship between firm investment and financial status, Journal of Finance, 54 (2): 673-692. Tabel IV

连玉君, 彭方平, 苏治, 2010, 融资约束与流动性管理行为, 金融研究, (10): 158-171. 表2.

问题背景：

下面使用我在stata初级班讲座（http://www.peixun.net/view/307_detail.html；连玉君课程_视频在线学习 - 讲师介绍 - Peixun.net - Peixun.net）中的例子，列举几种方法。

调入 stata 自带的数据集 nlsw88.dta。

这份数据包含了1988年采集的 2246 个妇女的资料，包括：小时工资 wage，每周工作时数 hours， 种族 race 等变量。

我们想研究的是妇女的工资决定因素。

最为关注的是白人和黑人（相当于把原始数据分成了两个样本组：白人组和黑人组）的工资决定因素是否存在差异。

分析的重点集中于工龄（ttl_exp）和婚姻状况(married) 这两个变量的系数在两组之间是否存在显著差异。

下面是分组执行 OLS 回归的命令和结果：

sysuse "nlsw88.dta", clear
  gen agesq = age*age
*-分组虚拟变量
  drop if race==3
  gen black = 2.race
  tab black 
*-删除缺漏值 
  global xx "ttl_exp married south hours tenure age* i.industry"
  reg wage $xx i.race
  keep if e(sample)   
*-分组回归
  global xx "ttl_exp married south hours tenure age* i.industry"
  reg wage $xx if black==0 
  est store White
  reg wage $xx if black==1 
  est store Black
 *-结果对比
  local m "White Black"
  esttab `m', mtitle(`m') b(%6.3f) nogap drop(*.industry) ///
	 s(N r2_a) star(* 0.1 ** 0.05 *** 0.01) 

结果：

------------------Table 1-------------------
                      (1)             (2)   
                    White           Black   
--------------------------------------------
ttl_exp             0.251***        0.269***
                   (6.47)          (4.77)   
married            -0.737**         0.091   
                  (-2.31)          (0.23)   
south              -0.813***       -2.041***
                  (-2.71)         (-4.92)   
hours               0.051***        0.037   
                   (3.81)          (1.39)   
tenure              0.025          -0.004   
                   (0.77)         (-0.09)   
age                 0.042           0.995   
                   (0.03)          (0.54)   
agesq              -0.001          -0.015   
                  (-0.09)         (-0.66)   
_cons               3.333         -14.098   
                   (0.14)         (-0.39)   
--------------------------------------------
N                1615.000         572.000   
r2_a                0.112           0.165   
--------------------------------------------
t statistics in parentheses
* p<0.1, ** p<0.05, *** p<0.01

可以看到，ttl_exp 变量在 [white 组] 和 [black 组] 的系数分别为 0.251 和 0.269， 二者都在 1% 水平上显著异于零。

问题在于：我们能说 0.269 比 0.251 大吗？

从统计意义上来看，答案显然没有那么明确（小学五年级的小朋友会觉得这根本不是个问题！）。

相对而言，若把注意力放在 married 这个变量上，或许更容易判断二者的差异是否显著。因为，_b[married]_white (白人组的 married 估计系数) 为 -0.737**，而 _b[married]_black 为 0.091 —— 前者在 5% 水平上显著为负，而后者不显著。

即便如此，我们仍然无法直接作出结论：_b[married]_white < _b[married]_black，因为二者的置信区间尚有重叠：

	  *----------------------------------------
	  *             White         Black        
	  *----------------------------------------
	  * ttl_exp 
	  *---------
	  *   beta     0.251***       0.269***     
	  *  95% CI  [0.17, 0.33]   [0.16, 0.38]   
	  *----------------------------------------
	  * married 
	  *---------
	  *   beta     -0.737**         0.091      
	  *  95% CI  [-1.36, -0.11]  [-0.69, 0.87] 
	  *----------------------------------------

下面我们介绍三种检验组间系数差异的方法：

• 方法1：引入交叉项（Chow 检验）
• 方法2：基于似无相关模型的检验方法 (suest)
• 方法3：费舍尔组合检验（Permutation test）

连享会   最新专题   直播

方法 1: 引入交叉项

这是文献中最常用的方法，执行起来也最简单。以检验 ttl_exp 在两组之间的系数是否存在显著差异为例。引入一个虚拟变量

，若某个妇女是黑人，则

，否则

。在如下命令中，black 变量即为这里的

。模型设定为：

这是最基本的包含虚拟变量，以及虚拟变量与一个连续变量交乘项的情形。

显然，对于白人组而言，

，则 (1) 式可以写为：

对于黑人组， (1) 式可以写为：

由此可见，在 (1) 式中，参数

和

分别反映了黑人组相对于白人组的截距和斜率差异。我们关注的是参数

，它反映了 ttl_exp 这个变量在两个样本组中的系数差异。因此，检验 ttl_exp 在两组之间的系数是否存在显著差异就转变为

。相应的估计命令如下：

dropvars ttl_x_black marr_x_black
global xx "ttl_exp married south hours tenure age* i.ind