最近看了很多论坛和主流教材,在这里总结一下。
一般来说,交互项强调调节效应、分组回归强调异质性,江艇(2022)认为二者是一个东西,并且调节效应是异质性的起点。
不过,两者确实还是存在一些差别:
首先,存在必须要用分组回归的情况,当虚拟变量大于两组时,例如东西南北中区域异质性讨论,我们不可能用1-4来量化他们在交互项中的作用,反复采用0-1编号也不符合对照逻辑,此时需要分组回归。
其次,存在我们需要研究交互项的情况,也就是替代效应和互补效应。,研究边际效应,彼此的边际效应会受对方的影响。
最后一点,当组间系数较为相似时,分组回归也会被当成一种稳健性检验。
接下来总结经常出现的几个结论看法(不过我感觉这些结论没有权威论文证实):
1、统计检验交互项更好,因为有显著性检验(但是现在分组回归似乎也可以检查系数差异的显著性了),且敏感度更高,而且用的是全体样本,分组回归会减少样本量;
2、数据假设不同,交互项假设只有交互相关的分组存在组间差异,要求更加严格。交互项要求组与组之间控制变量系数要一致,分组回归则不要求。由此有个引申的结论——当一个变量和所有控制变量交互,交互变量估计和分组回归是完全一致的。
3、不同变量不同讨论,交互项可以分为虚拟变量虚拟变量、虚拟变量连续变量、连续变量连续变量,需要具体分析。(《计量经济学基础》(古扎拉蒂)在虚拟变量部分支持虚拟变量虚拟变量——双重差分法盛行下这点没有争议。
交互项假设总体上机制检验这里依旧属于灰色地带。只要你的变量逻辑讲得通,分组和交互哪个用显著用哪个就行,都显著更好,就都用上。