1 基本概念
1.1 定义
分组回归是指先依据某一既定标准将样本划分为若干子样本，再分别对各组数据建立回归模型，并对估计结果进行比较的一类分析方法。它既可以用于解释变量对因变量影响是否存在差别，也可以用于观察不同群体中的关系结构是否一致。
1.2 核心思想
分组回归的核心在于承认总体内部可能存在异质性，即同一解释变量在不同个体、地区或时段中的作用强度并不相同。通过将样本拆分为若干相对同质的组别，研究者可以更清楚地观察各组内部的规律，并避免总体平均效应掩盖局部差异。
1.3 适用场景
这一方法常用于需要比较不同子群体行为差异的研究，例如性别、年龄、教育水平、地区、城乡背景或不同时期之间的比较。它也适合用于机制分析、政策效果分层检验，以及对某一结论在不同条件下是否稳健进行检验。
1.4 与总体回归的关系
总体回归通常在完整样本上估计一个统一的参数，强调平均意义上的关系；分组回归则将样本拆开，分别估计各组参数，突出组间差异。两者并不冲突，前者适合获得总体规律，后者更适合揭示结构性差异和异质性来源。
2 理论基础
2.1 异质性分析
分组回归建立在异质性分析的思想之上。若不同群体的行为机制、资源约束或环境条件存在差别，则同一变量的边际影响可能不同。通过分组估计，可以把这种差别从总体噪声中分离出来。
2.2 条件效应与边际效应
在许多模型中，变量影响并非固定不变，而是取决于个体所处条件。分组回归实际上是在不同条件集合下估计条件效应或边际效应，从而观察某种影响是否随群体特征改变而变化。
2.3 分组依据的统计逻辑
分组标准通常应当与研究问题直接相关，并且具备明确、可操作和可复现的特征。统计上，合理分组有助于提高组内同质性、增强参数解释力，但若分组过于随意，也可能带来信息损失和估计偏差。
2.4 参数可比性问题
不同组别回归系数的比较，并不总是可以直接进行。由于各组的样本结构、方差水平和变量分布可能不同，系数大小未必能简单解释为“影响更强”或“影响更弱”。因此，组间比较通常需要结合统计检验与模型设定一并判断。
3 常见分组方式
3.1 按人口学特征分组
3.1.1 性别分组
性别分组常用于考察某一因素在男性与女性之间的作用差异。由于角色分工、资源获取方式或社会期待不同，同一变量在不同性别群体中的表现可能具有明显差别。
3.1.2 年龄分组
年龄分组可反映生命周期阶段的差异，例如青年、中年与老年群体在收入、消费、学习或健康行为上的反应往往并不一致。该方式常用于研究行为随年龄变化的结构特征。
3.1.3 教育水平分组
按教育水平分组有助于分析知识、技能和信息处理能力对行为结果的调节作用。受教育程度不同的群体，往往对政策信息、市场信号或制度变化的响应方式也不同。
3.2 按空间特征分组
3.2.1 地区分组
地区分组用于比较不同地理单元中的关系差异，例如城市群、沿海与内陆、东中西部等。空间条件、产业结构和资源配置不同，往往会使同一变量呈现不同效果。
3.2.2 城乡分组
城乡分组是社会科学中常见的分类方式，适合观察制度环境、公共服务、就业机会和生活方式差异带来的影响变化。该分组通常能揭示较强的结构性不均衡。
3.3 按时间或阶段分组
按时间或阶段分组主要用于分析不同历史阶段、政策前后或事件前后的变化。此类分组有助于识别趋势转换、制度调整或外部冲击带来的影响差异。
3.4 按行为或状态分组
研究者也常依据是否参与某项行为、是否处于某种状态进行分组，例如是否就业、是否拥有某项资产、是否使用某类服务等。这类分组更接近机制层面的比较，便于判断变量作用是否受行为状态约束。
4 研究设计
4.1 分组标准的确定
分组标准应服务于研究目标，而不是仅凭数据方便性决定。一般而言，标准需要具有理论依据、可测量性和稳定性，避免出现过细、过碎或难以解释的分类方式。
4.2 样本量与组内平衡
分组后各组样本量应尽量保持合理，避免某些组样本过少而导致估计不稳定。若组间规模差异过大，结果可能更多反映抽样波动而非真实差别。
4.3 变量选择与控制变量设置
分组回归中通常需要设置核心解释变量和必要控制变量，以尽量减少混杂因素影响。控制变量的选取应与理论框架一致，既不过度堆积，也不遗漏关键因素。
4.4 模型设定与假设提出
在正式估计前，应明确因变量、解释变量、控制项及分组逻辑，并据此提出可检验假设。模型设定越清晰，后续对组间差异的解释就越有说服力。
5 回归模型类型
5.1 线性回归分组分析
线性回归是分组回归中最常见的形式，适用于因变量可近似连续并满足基本线性假设的情形。它的优点是结果直观，便于比较各组系数大小和方向。
5.2 Logistic 回归分组分析
当因变量为二元结果时，常采用 Logistic 回归进行分组分析。该方法适合研究某事件是否发生、某行为是否出现等问题，并可比较不同组别下发生概率的变化规律。
5.3 面板数据分组回归
在具有时间维度的样本中，分组回归可以结合面板数据方法使用，以同时控制个体不变特征和时间变化因素。这种做法常用于长期跟踪数据或重复观测数据分析。
5.3.1 固定效应模型
固定效应模型适合处理组内不随时间变化的不可观测因素。它通过控制个体固定特征，减少遗漏变量带来的干扰，尤其适用于关注组内变化的研究。
5.3.2 随机效应模型
随机效应模型假定个体差异可视为随机扰动的一部分，适用于个体特征与解释变量相关性较弱的情形。与固定效应相比，它对组间差异的利用更充分，但前提条件也更严格。
5.4 非线性模型中的分组回归
在某些研究中，关系并非简单线性，可能呈现阈值、饱和或递减特征。此时可在分组框架下结合非线性模型，以更准确地刻画不同群体中的作用形态。
6 结果解释
6.1 回归系数的组间比较
比较不同组的回归系数时，应同时关注符号、大小和统计显著性。系数差异并不总能直接对应现实差异，还需结合变量量纲、模型类型及样本构成综合判断。
6.2 显著性与稳健性判断
若某组结果显著而另一组不显著，并不必然意味着二者之间存在真正差异。稳健性分析通常包括替换变量、改变样本范围或更换模型设定，以验证结论是否稳定。
6.3 交互项与分组回归的对照解释
分组回归与交互项回归常被用来研究相近问题。前者侧重分别估计不同组，后者则在同一模型中直接检验变量与组别的交互作用。两种方法相互补充，可用于交叉验证结论。
6.4 经济含义与社会科学含义
结果解释不应停留在统计层面，还应转化为经济学或社会科学意义。研究者需说明某一变量在特定群体中的作用为何更强或更弱，以及这对理论理解或实践决策意味着什么。
7 方法优缺点
7.1 优点
7.1.1 便于识别组间差异
分组回归最直接的优点是能够把不同群体的关系差别展示出来，方便定位异质性来源。这使其在比较研究中具有较高的实用性。
7.1.2 结果直观易解释
与某些更复杂的异质性模型相比，分组回归的输出通常更容易阅读和说明。研究者可以直接比较各组系数、显著性和拟合情况，形成清晰结论。
7.2 局限性
7.2.1 样本量减少导致估计不稳定
样本被拆分后，每组可用观测值减少，参数估计可能变得不稳定，标准误也会增大。若分组过细，这一问题尤为明显。
7.2.2 组间比较可能受测量误差影响
不同组中变量测量质量若不一致，系数差异可能部分来自测量误差而非真实效应差别。因此，组间比较前应尽量保证数据质量一致。
7.2.3 分组标准主观性较强
某些分组方式虽然常见，但阈值选择可能带有一定人为判断。例如年龄切点、地区划分或高低组界定，都可能影响结果。分组标准一旦变化，结论也可能随之改变。
8 常见问题与注意事项
8.1 分组后样本过小
若某些子样本规模过低，模型可能出现估计不收敛、标准误过大或结果不稳定等问题。研究中应提前检查组内样本数量，并避免过度细分。
8.2 多重比较问题
当同时比较多个组别、多个变量或多个模型时，容易增加偶然显著的概率。研究者应谨慎解读大量显著结果，必要时结合整体检验或调整检验策略。
8.3 内生性与遗漏变量偏误
分组并不能自动解决内生性问题。如果核心变量与误差项相关，或存在重要遗漏因素，各组结果仍可能带有偏误。因而仍需结合识别策略加以处理。
8.4 异方差与模型稳健性
不同组的数据波动程度可能不同，导致异方差问题更加突出。实践中常需采用稳健标准误或其他修正方法，以提高结论可信度。
8.5 结果可重复性
为了保证可重复性，应明确记录分组规则、样本筛选过程、变量定义和模型设定。只有分组逻辑透明，其他研究者才能复现同样的分析流程。
9 应用领域
9.1 教育研究
教育研究中常用分组回归比较不同性别、学段或家庭背景学生的学习结果差异，以分析教育资源、学习投入和考试表现之间的关系。
9.2 劳动经济学
在劳动经济学中，该方法常用于考察工资、就业、培训或职业流动在不同群体中的异同，例如按性别、年龄或技能水平分组。
9.3 社会学
社会学研究常借助分组回归分析社会结构变量如何在不同阶层、家庭类型或社区环境中发挥作用，从而理解社会行为的差异化机制。
9.4 公共政策评估
公共政策评估中，分组回归可用于比较政策对不同受益群体的影响，判断政策效果是否存在分层差异，并为精细化政策设计提供依据。
9.5 市场与消费行为研究
在市场与消费行为研究中，分组回归常用于分析不同年龄、收入或地区消费者的偏好差别，以及广告、价格或服务质量对购买决策的异质影响。
10 与其他方法的比较
10.1 分组回归与交互项回归
分组回归强调“分别估计”，交互项回归强调“统一模型中检验差异”。前者适合展示各组具体参数，后者更适合做显式的统计检验。两者在思路上不同，但在很多场景下可相互验证。
10.2 分组回归与分位数回归
分组回归关注不同类别或群体之间的差异，分位数回归则关注因变量分布不同位置上的影响变化。前者依赖预先划分的组别，后者则不必人工分组，更强调分布异质性。
10.3 分组回归与异质性检验
异质性检验是一个更广义的概念，旨在判断效应是否因群体或条件变化而改变。分组回归是实现异质性检验的常见工具之一，但并非唯一方法。
10.4 分组回归与多层模型
多层模型适用于数据具有嵌套结构的情形，如学生嵌套于班级、班级嵌套于学校。与简单分组回归相比，多层模型能更系统地处理层级间相关性和随机变异，因此在结构复杂的数据中更具优势。