审稿返修 · 2026-07-11

审稿人要求异质性分析：分组回归、交互项与机制检验别混用

审稿人要求补异质性分析怎么办？本文区分分组描述、正式系数差异和机制检验，给出可复核输入与返修信模板，并说明 ChatSRS 面板实现边界。

直接返修答案

先把审稿意见翻译成一个正式问题：“核心系数是否在事前定义的群体之间不同？”分组回归可以展示各组估计，正式的组间差异则需要交互项或等价系数检验。不能因为 A 组 p<.05、B 组 p>.05 就声称两组系数显著不同。

机制检验回答“效应通过什么路径发生”，异质性回答“效应对谁或在什么条件下不同”。把中介结果塞进异质性表，既没有回答审稿人，也会增加事后分析风险。

补分析的正确顺序

从理论或审稿意见中确定分组变量，避免按结果寻找切点；
确认分组发生在处理之前，不是结局或处理后的变量；
报告每组个体数、观察数、时间覆盖和核心变量变异；
先跑同一规格的分组模型作描述；
用统一样本的交互项正式检验系数差异；
报告多重比较、样本量下降和探索性标签；
机制分析另表、另假设，不与异质性结论互换。

ChatSRS 当前 panel_group 的真实范围

panel_group 按一个类别型分组变量的每个取值分别跑个体与时间双向固定效应，核心 X 与控制变量保持一致。当前 Markdown 直出各组 B、个体层聚类 SE、由内部 p 转换的显著性星号、观测 N、调整 R²和固定效应信息；不直出每组系数的精确 p 或每组企业数。

当前最多接受 20 个分组值，组内样本或个体不足会跳过。--cluster 如果不是 entity，当前不会生效并发出警告；因此不能在论文里改写成其他聚类层级。分组表本身不提供正式组间差异 p。

ChatSRS 当前 panel_coefdiff 的真实范围

panel_coefdiff 在统一样本中构造 X×组别虚拟变量，跑双向固定效应，并报告交互项 B、个体聚类 SE 与 p。当前要求分组变量在个体内不随时间变化；如果任何个体的组别随时间改变，分析器会停止。

对于多值分组，当前只取排序后的最大类别作为交互组，并与其他类别合并的基准比较，不会自动给出所有两两系数差异。若审稿人要求三组两两比较或总体联合检验，需要经过验证的专门实现，不能把“最大类 vs 其余”写成完整多组检验。

**关键边界：**交互项显著支持所定义对比下的系数差异；不显著也不证明完全同质。组别编码、基准组、样本重叠和检验能力必须同时报告。

可复核输入示例

假设 firm_panel.csv 包含 firm_id、year、performance、digital、size、leverage 和时不变 ownership（0=民营、1=国有）。

分组回归指令：

以 performance 为 Y、digital 为 X，控制 size 和 leverage，按 ownership 分组分别做企业与年份双向固定效应。按当前 panel_group Markdown 报告每组 B、firm_id 聚类 SE、显著性星号、观测 N、调整R²和固定效应。每组企业数、分组完整案例数以及返修若要求的系数精确 p，须从同一完整案例样本或同一估计结果另行提取并绑定可复核输出，不能称为 panel_group 当前直出。两列只作描述，不以一组有星号、另一组无星号代替差异检验。

系数差异指令：

在统一样本中用 panel_coefdiff 检验 digital×ownership，确认 ownership 在每个 firm_id 内恒定，明确 ownership=1 是交互组。报告 digital 基准斜率、交互项 B/SE/p、N 和固定效应。交互项表示国有相对民营的斜率差，不是国有组总斜率本身。

若分组为低/中/高三个类别，应先定义要检验的具体对比；当前最大类别 vs 其余不能代替全部两两比较。

输出怎么解释

演示性分组表可能显示民营组 B=.18、国有组 B=.31。仅凭两个点估计不能断言 .31 显著大于 .18。若统一模型交互项 B=.13、p=[ ]，才针对该编码下的差值作推断。

报告还应说明组别是否事前设定。若是审稿后新增，应称探索性异质性，避免把事后发现写成验证性假设。多个地区、规模和所有制同时拆分时，应披露多重检验和小组样本问题。

防止结果驱动的异质性叙事

返修前列出所有候选分组，并说明哪些来自原假设、哪些由审稿人提出、哪些属于探索。连续变量若被切成高低组，要报告切点、分布和信息损失；更合适时直接用连续交互。每组模型必须使用相同 Y、X、控制、固定效应、缩尾和聚类规则，样本差异也要列出。交互项显著后仍需计算并解释两组各自斜率，不能把差值系数误当某一组效应。若同时检验很多分组，考虑多重比较或至少透明报告全部结果。组别可能由处理后变量决定时，分层会引入选择偏误，此时应停止把它作为普通异质性分析。

返修表中建议同时列出各组个体数、观察数和核心变量的组内变异，避免把估计失败或精度差误写成“没有效应”。如果某组几乎没有 X 的时间变化，双向固定效应系数就缺乏支持；这属于数据识别问题，而不是异质性结论。

返修信模板

感谢审稿人的建议。我们依据 [理论/预设规则] 以 [分组变量] 检验异质性。
表 [ ] 先按当前直出报告相同双向固定效应规格下各组的 B、聚类SE、星号、观测N和调整R²；
随后在统一样本中加入 X×Group 交互项，正式检验组间系数差异。
交互项 B=[ ]，SE=[ ]，p=[ ]，对应 [组1相对组0] 的斜率差。
每组企业数、分组完整案例数与所需精确p从同一分析样本/估计结果另行复核，不写成panel_group直出。
该分析为 [验证性/探索性]，组别定义、样本量和多重比较限制已在修订稿说明。
机制分析不作为组间差异检验的替代。

常见问题 FAQ

Q1：一组显著、一组不显著就是异质性吗？

不是。需要直接检验两个系数的差。

Q2：panel_group 会直出每组精确 p 和企业数吗？

不会。当前 Markdown 只给 B、聚类SE、星号、观测N、调整R²与固定效应。精确 p 和企业数需从同一估计结果或完整案例数据另行提取；正式组间差异仍看 panel_coefdiff 或专门检验。

Q3：三组数据能自动两两比较吗？

当前 coefdiff 只做最大类别 vs 其余，不是全部两两比较。

Q4：能按样本中位数临时分组吗？

除非有明确理论和预先规则，否则容易造成任意切点与结果驱动，应谨慎并标注探索性。