调节机制教程

回归分析

说明 STATAU 调节机制模块的交互项设定、是否添加主效应选项、Stata 对照代码与结果解读方式。

常用 Stata 命令reghdfe y x z c.x#c.z controls, absorb(fe) vce(cluster id)

在 STATAU 中打开此功能

调节机制交互项主效应

这个页面解决什么问题

调节机制不是解释“通过谁传导”，而是解释“在什么条件下更强或更弱”。如果你怀疑核心解释变量的作用会随着市场环境、所有制、融资约束或地区特征而改变，就适合用这个页面。

方法原理

调节机制的标准做法是在主回归里加入交互项。交互项显著，说明核心解释变量与被解释变量之间的关系会随着调节变量变化而变化。

核心公式

交互项模型

Y = β_{0} + β_{1} X + β_{2} Z + β_{3} (X \times Z) + γ C o n t r o l s + ε

其中， $Z$ 是调节变量，最关键的是交互项系数 $b e t a_{3}$ 。

STATAU 页面中每个位置应该放什么变量

网站位置	应放入的变量	说明
因变量 (Y)	被解释变量	最终结果变量。
自变量 (X)	核心解释变量	这里只保留 1 个核心解释变量。
调节变量	调节变量	用于改变 X 对 Y 影响强弱或方向的变量。
添加主效应	X 与调节变量主效应	勾选后主回归中包含 X、调节变量和交互项。

Stata 等效代码

gen interaction = [解释变量] * [调节变量]
reghdfe [被解释变量] [解释变量] [调节变量] interaction [控制变量], ///
    absorb([固定效应变量]) vce(cluster [聚类变量])

Stata 代码位置	STATAU 网站对应位置	应放入什么
`[被解释变量]`	因变量 (Y)	最终结果变量。
`[解释变量]`	自变量 (X)	核心解释变量。
`[调节变量]`	调节变量	页面中单独选择的调节变量。
`c.[解释变量]#c.[调节变量]`	系统自动生成交互项	页面会自动生成交互项，无需手动造变量。

可删除代码段提示

如果页面取消“添加主效应”，Stata 代码中可只保留交互项与控制变量。
如果主回归没有固定效应或聚类标准误，就把 absorb(...) 和 vce(cluster ...) 去掉。

在 STATAU 中操作步骤

在“自变量 (X)”中只保留 1 个核心解释变量。
在“调节变量”中选择调节变量，按需要决定是否添加主效应。
运行后重点看交互项系数、显著性和方向，再结合主效应判断调节含义。

结果怎么看

调节机制最关键的不是单独看 X 或调节变量本身，而是看交互项系数是否显著。
如果交互项显著为正，通常表示调节变量越高，X 对 Y 的正向影响越强；若显著为负，则表示这种影响被削弱。
如果你取消了主效应，解释时要明确说明这是“只估计交互项”的规格，而不是标准的完整交互模型。

论文表述示例

可以写成：“交互项系数显著为正，表明调节变量提高时，核心解释变量对被解释变量的正向影响进一步增强。”

常见使用误区

调节变量不能与核心解释变量重复。
交互项显著不代表任意取值下都显著，解释时最好围绕“增强 / 削弱”来写，而不是泛泛地说存在影响。
如果变量量纲差异很大，交互项估计可能变得不稳定，必要时可先做中心化后再解释。

相关页面