Page 236 - 《社会》2015年第4期

Ｌｏ ｇ ｉｓｔｉｃ 模型的系数比较问题及解决策略：一个综述

 
 ＋
 －
犫 １犚 －犫 １犉 ＝ β １犚 － β １犉 ＝ β １犚 － β １犉 β １犉 β １犉
σ 犚 σ 犉 σ 犚 σ 犉 σ 犉 σ 犉
 ）  ） （ １２ ）
＝ （ 犫 １犚 －犫 １犉 ＋ （ 犫 １犉 －犫 １犉
，用以直接
卡尔森等（ 犓犪狉犾狊狅狀 ， 犲狋犪犾． ， ２０１３ ）还发展出了统计量 犣 犆
检验 犔狅 犵 犻狋 系数改变量是否来自于控制“标尺改变效应”后的“混杂效

应”。他们通过蒙特卡罗模拟数据分析指出，相比于“ 标准化”、 犃犘犈
狔
和 犔犘犕 三种方法， 犓犎犅 方法的估计效果更好，结果更接近真实的系数
差异。 犛狋犪狋犪 软件中已经有 犽犺犫 命令可供使用。 １５
（二）同一模型，不同组别或样本之间的系数比较

对于不同群体或样本之间的 犔狅 犵 犻狊狋犻犮 模型系数比较，以往通常使
用的方法有两种。一是使用交互项，即对特定的自变量和样本指示变
量（ 犻狀犱犻犮犪狋狅狉狏犪狉犻犪犫犾犲 ）进行交互，如果交互项系数显著，我们就认为该
自变量的效应在两个样本间存在差异。二是对不同样本分别进行模型
估计，然后进行 犠犪犾犱 卡方检验（需要假定不同样本的系数服从独立的
，
抽样 分 布），检 验 统 计 量 如 式 １３ 所 示 （ 犆犾狅 犵犵 犘犲狋犽狅狏犪犪狀犱 犎犪狉犻狋狅狌 ，
１９９５ ）。其中， 和 β ２犻 分 别 代 表 两 个 样 本 的 模 型 系 数， 犛犈 （ ）和
β １犻
β １犻
犛犈 （ ）分别为其标准误，该统计量服从标准正态分布。
β ２犻
β １犻－ β ２犻 （ １３ ）
犛犈 （ ） ＋犛犈 （ ）
槡 ２ β １犻 ２ β ２犻
这两种方法都没有控制未观测到的异质性，其差别仅在于交互项
检验假定其他变量对两个群体的作用是相同的。如果把所有解释变量
都和指示变量进行交互，那就等同于分别在不同样本中进行模型估计，
也即谢宇（ ２０１０ ： ２３９ ）所说的“完全交互项”。但在 犔狅 犵 犻狋 模型中，由于
存在未观测到的异质性，模型系数并不代表真正的变量效应，因此难以
在不同样本之间进行比较。这类似于在比较不同样本之间线性回归模
型的标准化系数时所引发的问题（ 犃犾犾犻狊狅狀 ， １９９９ ）。在讨论通径模型时，
郭志刚（ １９９９ ： １５７ ）指出，“标准化系数所反映的不仅是自变量对因变量
的影响强度，而且还反映了模型中各变量的方差以及它们之间的协方
差，甚至还反映了寓于误差项之内的未包括在模型中的那些变量的方

１５． 有关 犽犺犫 命令的描述可参见： 犺狋狋 狆 ：／／ 犳犿狑狑狑．犫犮．犲犱狌 ／ 犚犲犘犈犮 ／ 犫狅犮狅犱犲 ／ 犽 ／ 犽犺犫．犺狋犿犾 ，以及科
勒等（ 犓狅犺犾犲狉 ， 犓犪狉犾狊狅狀犪狀犱犎狅犾犿 ， ２０１１ ）的研究。

· ２ ２ ９ ·