# Er Heterogeneity

> Use when designing or writing the heterogeneity section of an 《经济研究》 (Economic Research Journal) manuscript — choosing which dimensions to cut, justifying each cut theoretically, presenting subsample results with coefficient-difference tests, and wiring at least one dimension back to the mechanism story so heterogeneity doubles as mechanism evidence. 使用时机：主结果已稳健但只切了"东中西"一类单一维度、审稿人要求补做异质性、或切分维度缺乏理论指引时。

- Skill: `thedixitjain/er-heterogeneity` (Agent Skill)
- Install (CLI): `npx skillmds add thedixitjain/er-heterogeneity`
- Raw SKILL.md: https://api.skillmd.com/api/skills/thedixitjain/er-heterogeneity/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Research & Search
- Author: thedixitjain (https://skillmd.com/u/thedixitjain)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/thedixitjain/er-heterogeneity

---



# 异质性分析（er-heterogeneity）

## 触发时机

- 主结果已稳健，但只切了一个维度（"东中西"或"国企 / 非国企"）
- 审稿人要求补做异质性
- 切了多个维度但没有理论指引

## 切分维度优先级

按《经济研究》读者期待度排序：

1. **制度环境 / 市场化程度** —— 王小鲁《中国分省份市场化指数》、各地法治指数
2. **企业产权 / 公司治理** —— 国企 / 民企 / 外资、董事会独立性
3. **行业属性** —— 高新 / 传统、上下游、是否管制
4. **时间窗** —— 政策初期 vs. 后期 / 经济周期
5. **个体特征**（如适用）—— 年龄、教育、技能水平

至少切 3 个维度，每个维度至少 2 个子样本对比。

## 维度选择三原则

1. **有理论指引**：切分维度必须能解释"为什么这一维度上效应不同"
2. **样本量足够**：每个子样本 N ≥ 100 是底线
3. **系数差异显著性检验**：必须报告 Chow 检验或交互项

## 异质性写作模板

```
本文进一步检验[维度]异质性。

理论上，[原因]……
实证上，本文将样本按[维度]分为[组 1] 和 [组 2]，分别估计主回归（结果见表 X 第 (1)(2) 列）。
结果显示，[组 1] 的处理效应为 X，而 [组 2] 为 Y，系数差异在 [显著水平] 上显著。
这一发现与本文的[机制]一致。
```

## 该刊的呈现惯例：分样本表 vs. 交互项

两种呈现方式在《经济研究》正文中都常见，选择标准：

- **分样本回归（并列同一张表）**：适合切分变量是离散制度属性（产权、行业管制、地区市场化分组）时。惯例是一张表放一个维度，(1)(2) 列为两个子样本，表下注明分组标准与分组变量出处（如市场化指数取样本期中位数分组），并**单独一行报告组间系数差异的经验 p 值**（费舍尔组合检验 / 自体抽样法），而不是让读者自己目测两列星号。
- **交互项回归**：适合切分变量连续（融资约束指数、数字化程度）时，避免人为二分损失信息。交互项系数即"异质性本身"，正文解读应写成"X 的效应随 Z 每提高一个标准差而增强 β 个单位"，而非只说"交互项显著"。

两点该刊特有的口味：

1. **异质性小节标题写经济含义，不写变量名**——用"融资约束的调节作用"而非"按 SA 指数分组"；小节首句先给理论预期，再给结果。
2. **不显著的维度也要交代**：若某个理论上应有差异的维度没切出差异，正文用一两句话诚实报告并解释（度量噪声 / 渠道被政策抵消），比悄悄删掉更能赢得审稿人信任。

### 微型对照（改写前 / 改写后）

> ❌ 改写前："分组回归显示，国企组系数为 0.021，民企组系数为 0.058，说明存在产权异质性。"
>
> ✅ 改写后："民企组的处理效应（0.058）约为国企组（0.021）的 2.8 倍，组间差异的经验 p 值为 0.03。这与假说 2 的预期一致：民营企业面临更紧的外部融资约束，政策带来的现金流改善对其边际价值更高，产权维度的差异因而构成融资约束机制的侧面证据。"

改写后同时完成了三件事：报差异检验、给理论解释、回扣机制。

## 与机制分析的关系

异质性 ≈ 机制的反向验证：
- 机制告诉我们"为什么有效应"
- 异质性告诉我们"在什么条件下效应更强 / 更弱"

理想的实证文章应该：**机制（M 强 → 效应强）** 与 **异质性（M 强样本 → 效应强）** 互相印证。

## 必查清单

- [ ] 至少 3 个异质性维度
- [ ] 每个维度有理论指引
- [ ] 系数差异显著性检验报告
- [ ] 各子样本量足够
- [ ] 异质性结论与机制一致（或合理解释不一致）

## 反模式

- 把控制变量挂上交互项就叫"异质性"
- 切分后某一组 N=30 还在解释
- 切了 8 个维度凑数，但每个都不显著
- 异质性结论与机制冲突但不解释

## 异质性作为机制的侧证（重要）

按江艇（2022）的思路，**理论驱动的异质性是比中介分解更可信的机制证据**：若机制是 M，则在"M 渠道更畅通 / 更受约束"的子样本中，主效应应更强 / 更弱。设计异质性时，刻意让至少一个维度**对应某条机制**，使机制与异质性相互印证（详见 `er-mechanism`）。

## 配套与范例

- 完整范文：[`resources/worked-examples/06-heterogeneity.md`](../../resources/worked-examples/06-heterogeneity.md)（三维异质性 + 机制侧证）
- 范本对标：张勋等（2019，《经济研究》第 8 期）以群体异质性佐证数字金融渠道，见 [`resources/exemplars/`](../../resources/exemplars/)

## 输出格式

```
【异质性维度】X 个
【系数差异检验】是 / 否
【与机制一致性】是 / 否（哪一维度对应哪条机制）
【最小子样本量】X
【下一步】er-tables-figures
```

---

**Source:** [`brycewang-stanford/Awesome-Journal-Skills`](https://github.com/brycewang-stanford/Awesome-Journal-Skills) → `Economic-Research-Journal-Skills/skills/er-heterogeneity/SKILL.md`