Page 229 - 《社会》2015年第4期

社会· ２０１５ · ４

一般教科书或著作在介绍 犔狅 犵 犻狊狋犻犮模型时存在两种路径：一是从
回归的角度出发，与线性回归（ 犗犔犛 ）进行类比；二是从列联表视角出
发。这个 视 角 虽 然 有 助 于 理 解 和 解 释 结 果，却 不 利 于 理 解 回 归
（ 犎狅狊犿犲狉犪狀犱犔犲犿犲狊犺狅狑 ， ２０００ ： 犡 ），所 以，很 多 著 作 在 介 绍 犔狅 犵 犻狊狋犻犮 模
型时都以回归作为起点， ３ 但这也 会混 淆线 性回归 和 犔狅 犵 犻狊狋犻犮 回归的
一些特性，系数比较 是 其 中一 个重 要方 面。早 在 １９８４ 年，温 什普和
迈耶（ 犠犻狀狊犺犻 狆 犪狀犱犕犪狉犲 ， １９８４ ）就已注意到这一问题，但直到近些年，
尤其是埃里森（ 犃犾犾犻狊狅狀 ， １９９９ ）的文章发 表之 后，这一 问题才真 正引起
部分学者的重视。但对大多数 犔狅 犵 犻狊狋犻犮 回归的使用者来说，这个问题
并未受到关注。在很多已 发 表的 论文（包 括中 英文论 文）中，都可以
看到一些作者直接进行 犔狅 犵 犻狊狋犻犮模型间和样本间的系数比较，忽略了
其不同于 犗犔犛 模型的地方。
本文对近年来就 犔狅 犵 犻狊狋犻犮 模 型的 系数 比较问 题的 相 关 讨 论 做 了
一个简要综述，指出在 犔狅 犵 犻狊狋犻犮 模 型的 运用 中可能 存在 的几个误 区，
并介绍已提出的一 些 解 决 之策。值得 注意 的是，本 文 所探讨 的问题
不仅适用于 犔狅 犵 犻狊狋犻犮 模型，也 适 用 于 其他 犔狅 犵 犻狋 模 型（如 犗狉犱犻狀犪犾犔狅 犵 犻狋
模型和 犕狌犾狋犻狀狅犿犻犪犾犔狅 犵 犻狋 模型）和 犘狉狅犫犻狋 模型，但为了行文简洁，我们
在此仅以 犔狅 犵 犻狊狋犻犮 模型为例进行讨论。本文先论述 犔狅 犵 犻狊狋犻犮 模型系数
比较问题的来源，即未被观测到的异质性问题；然后介绍已有的解决

策略，包括“ 标准化”、 犓犅犎 分解、异质选择模型、平均偏效应（ 犃犘犈 ）
狔
和线性概率模型（ 犔犘犕 ）方法；最后以教育递进率模型为例，比较不同
策略的效果。

二、问题根源：未被观测到的异质性

一些研究者在理应使用 犔狅 犵 犻狋 模型的情况下（即因变量为定类或定
序变量）却选择了线性回归模型，其中一个重要原因就是为了避免 犔狅 犵 犻狋
模型之间系数难以直接比较的问题（胡安宁， ２０１４ ； 犠犪狀 犵犪狀犱犡犻犲 ， ２０１５ ）。
为什么不能像线性回归模型那样对 犔狅 犵 犻狊狋犻犮模型进行系数比较？在这一
部分，笔者将介绍穆德（ 犕狅狅犱 ， ２０１０ ）对这一问题的阐释。他认为，根本问

３． 从回归视角引介的例子包括郭志刚（ １９９９ ）和谢宇（ ２０１０ ），有关列联表视角的讨论可参见
鲍威斯、谢宇（ ２００９ ： ３０－３５ ）和唐启明（ ２０１２ ： ２８８－２８９ ）的研究。

· ２ ２ ２ ·