My blog Practice makes perfect
文献集锦
如何理论创新？
管理学理论集锦
Python实际应用
聚类标准误与固定效应
巫师3：狂猎
Stata应用技巧
Python知识与技巧
双重差分法（DID）
创新文献阅读与摘要
计量经济学
Python绘图相关
解读回归系数的经济意义
type
Post
status
Published
date
Oct 12, 2024
slug
regression-coefficient-econsig
summary
tags
category
icon
password
网址
作者
标签
文章链接
发布时间
来源
普通解读
在理想情况下，回归系数不仅要具有统计意义显著（statistically significant）还应当有经济意义显著（economically significant）。
注：对数变量的求导形式在经济学里解释为弹性意涵
1. 水平值-水平值：X、Y皆为水平值
此时的经济含义：变动一个单位，变动个单位。单位是指各变量的具体计量单位。
2. 水平值-对数值：X取水平值而Y取对数
等式两边分别对求导得到：
即：
亦即（微分 等同于变动）：
此时的经济含义：变动一个单位，变动。
3. 对数值-对数值：X、Y皆取对数
等式两边分别对求导得到：
即：
亦即（微分 等同于变动）：
此时 的经济含义：变动，变动。
4. 对数值-水平值：X取对数值而Y取水平值
等式两边分别对求导得到：
即：
注：变动1%指的是
此时 的经济含义：变动，变动 。
标准解读
若自变量为连续变量
第一种解读
平均而言，变动（增加或减少）一个标准差（即 1 个 ），会变动 的比例，这个比例的变动相当于 的实际意义变动，又相当于样本均值的百分之 。
举例
例1
李力行, 申广军. 金融发展与城市规模——理论和来自中国城市的证据[J]. 经济学(季刊), 2019, 18(3): 855–876.
其中，作者使用城市人口（ ）对金融发展程度（）进行回归， 的标准差是0.53， 的平均值是98.3万。随后，作者对回归系数（0.0946）的解读为：“平均而言，金融发展程度提高一个标准差（0.53），城市人口增加5%（0.53*0.0946*100%）。样本期间城市平均人口规模为98.3万，上述变动相当于4.9（98.3*5%）万人的扩张。”
例2
刘行, 叶康涛. 金融发展、产权与企业税负[J]. 管理世界, 2014(3): 41–52.
其中，作者使用企业税负（）对金融发展程度（）进行回归， 的标准差是0.252，的平均值是0.235。随后，作者对回归系数（0.061）的解读为：“这说明金融发展程度每上升一个标准差，将使得民营企业的所得税负增加1.5个百分点（=0.061×0.252），这相当于企业税负平均值的 6.4%（=0.015/0.235）。”
例3
Chen Y, Podolski E J, Rhee S G, et al. Local gambling preferences and corporate innovative success[J]. Journal of Financial and Quantitative Analysis, 2014, 49(1): 77–106.
自变量的均值为0.94，标准差为0.57；因变量的均值为0.05，标准差为0.17。自变量系数为0.02，意味着一个标准差的自变量增长会引起0.0114（=0.02×0.57，即）的因变量增长。与因变量的均值相比，这相当于造成了22.8%（=0.02×0.57/0.05，即 ）的提升。
英文表述举例
- On average, a one-standard-deviation change of corresponds to (or leads to) a change of .
- A 1 SD increase/drop in in will enhance/reduce by , which is equivalent to .
- The coefficient of 0.02 shows that a 1-standard-deviation increase in leads to an increase of 0.0114 in . Relative to the unconditional mean of (0.05 from Table 1), this represents an increase of over 20%.
- A one standard deviation increase in corruption implies an increase equal to 4.1% (=0.034x0.344/0.278，即 ) of mean leverage.
第二种解读
平均而言，变动（增加或减少）一个标准差，会变动 个标准差。
注：如果自变量和因变量都经过标准化处理（即均值为零，标准差为 1 ），那么 就等于（标准化）回归系数。
举例
例1
Acemoglu D, Johnson S. Unbundling institutions[J]. Journal of Political Economy, 2005, 113(5): 949–995.
“In column 1 of panel A of table 4, where we use constraint on executive and legal formalism and the instruments are settler mortality and English legal origin, the coefficient on constraint on executive is 0.99 (with a standard error of 0.29). This implies that a one-standard deviation improvement in property rights institutions will lead to a 1.9 standard-deviation increase in GDP per capita.”
这里的 1.9 = 0.99（回归系数）*0.29（的标准差）/1.10（的标准差）
例2
Trust and stock price crash risk: evidence from china[J]. Journal of Banking & Finance, 2017, 76: 74–91.
“This negative relationship between crash risk and social trust is both statistically and economically significant. For example, the coefficient of TRUST1 t (column 1) is −0.0193, which means that a one-standard-deviation increase in the social trust of a firm location is associated with a decrease of 1.94% of a standard deviation in future crash risk as measured by NCSKEW, ceteris paribus.”
这里的 1.94% = 0.0193（回归系数）*0.6866（的标准差）/0.6843（的标准差）
第三种解读
变动（增加）一个标准差，会变动 * / 个百分比。
举例
Gambling preferences and stock price crash risk: Evidence from China. Journal of Banking and Finance, 128, 2021.
“Using the continuous gambling crash measure as an example, the coefficient of (column 1) is 0.028, which means that a one-standard-deviation increase in gambling preference is associated with a 5.20% (=0.028 × 0.607/0.327) increase in average crash risk. The increase is 3.94% (=0.020×0.437/0.222) as shown in column (3) where crash risk is measured by .”
第四种解读
从第25个百分位到第75个百分位，Y会变动 * 百分比，即回归系数乘以（自变量75分位数值-自变量25分位数值）再除以因变量的均值。
一个实际应用例子可以在 Mueller、Ouimet 和 Simintzi (2017) 的研究中找到。Mueller等 (2017) 指出: "这两种效应在经济上都是显著的。从工资不平等分布的第 25 百分位到第 75 百分位，ROA增加了28.6%，托宾Q增加了 9.0%。" 注：ROA均值为 5.88% 和托宾Q均值为 1.38 (在论文的其他部分有报告).
Both effects are economically significant: moving from the 25th to the 75th percentile of the pay-inequality distribution increases ROA by 1.68 percentage points (a 28.6% increase) and Tobin’s q by 0.12 (a 9.0% increase).
若自变量为虚拟变量
第一种解读
从0到1变化时，Y变化 百分比，即回归系数除以因变量的均值。
一个应用实例可以在Custodio 和 Metzger（2014）的研究中找到，他们报告说："使用OLS估计的R&D结果显示，拥有金融专家的公司倾向于减少研发支出。这一估计在经济上是显著的：与均值相比，拥有金融专家CEO的公司研发支出减少了 25%（0.816/0.034） 。"
The estimate is economically significant: compared to the mean, financial expert CEOs spend 25% less in R&D.
第二种解读
从0到1变化时，Y变化 百分比，即回归系数除以因变量的标准差。
一个实际应用案例可见于 Li 和 Srinivasan (2011) 的研究。他们指出: "FDIR (创始人-董事) 的系数为 0.30 (t 统计量=3.34），这表明创始人-董事公司的托宾 Q 值比非创始人公司的托宾 Q 值高出 0.16（=0.30/1.87）个标准差。“
虚拟变量和连续变量交互项的系数经济意义解读
一个例子：是工作时长，是工资，是员工性别（男性为1，女性为0）。下列回归式是为了研究工作时长与工资之间的关系是否受性别影响：
当时，回归式变为女性样本：
此时的回归式限定了女性样本，那么 表示女性员工每增加一单位工作时间时，其工资发生的变动。
当时，回归式变为男性样本：
此时的回归式限定了男性样本，那么 (+ ) 则表示男性员工每增加一单位工作时间时，其工资发生的变动。
的经济意义是同样变动一单位工作时间，男性和女性的工资变动的差异，即：。如下图所示，也可以说是男性与女性的斜率差异。
假设 ，平均工资为3000元，最低工资是2000元，最高工资是6000元
- 平均而言，增加1单位劳动时间，男性的工资增加幅度要比女性高出300元（3000*0.1）
- 将极低和极高工资的人进行对比，男性与女性之间工作时间的收入回报差异为：400元（6000*0.1-2000*0.1）
举例
空气质量改善能降低企业劳动力成本吗?. 管理世界, 2019, 35(6): 161-178+195-196.
注：空气质量指数分布于 0~1 之间，该指数越大，表明该地区空气质量越好。此时，空气质量变化一个单位，就是指空气质量极好（1）与极差（0）的地区。
“表4. 在维权意识弱的地区（Slrc=0），空气质量与职工薪酬的回归系数为 0.042；-0.353 是维权强（Slrc=1）的与维权弱（Slrc=0）的斜率差异。在维权意识强（Slrc=1）的地区，其回归系数为-0.311（0.042-0.353），经过联合检验，该系数在 0.01 水平上显著。其经济意义为：在职工维权意识强的地区，在其他条件不变的情况下，空气质量极端好（空气质量指数为 1）和极端差（空气质量指数为0）的地区企业职工平均薪酬差3.091万元（9.938×31.1%），可见，职工维权意识在维护职工权利方面发挥了显著作用。我们进一步考察了空气质量的极端变化对城市层面劳动力成本的影响。第一步，我们计算了样本期间每个城市所有企业的劳动力成本总额，然后取均值，为 38.67 亿元；第二步，我们计算了极端空气质量变化导致两类地区城市年度劳动力成本的差异为12.03亿元（38.67×31.1%）。”
“表5. 相对而言，非劳动密集型企业的员工因为收入、学历和技能相对较高，其流动性和谈判能力相对较强，对空气质量的敏感程度较高，交叉变量的回归系数-0.325 在0.01 水平下显著，表明企业的非劳动密集特征会加强空气质量与职工薪酬之间的关系。非劳动密集型企业空气质量的回归系数为-0.299（0.026-0.325），经过联合检验，该系数在 0.01 水平上显著。其经济含义为，在其他条件不变情况下，在具有极端好的空气质量（空气质量指数为1）和极端差的空气质量（空气质量指数为0）的地区中，非劳动密集型企业会因为糟糕的空气质量向职工平均多支付 2.971 万元（9.938×29.9%）。在城市层面，城市会因为极端的空气质量在上市公司中多付出11.562亿元（38.67×29.9%）的劳动力成本。”
注：交乘项回归无法直接验证 在统计意义上的显著性，因此要额外做联合检验。在Stata中，回归后紧接着用 lincom 命令即可，例如：
reg Y X Z X*Z（1）lincom X+X*Z（2）上（2）式代表的是检验变量与变量的回归系数的线性组合是否有显著意义
计量经济圈公众号也曾发布如何描述回归系数的经济显著性的推文，亦可作为资料参考
参考文献
- 李力行, 申广军. 金融发展与城市规模——理论和来自中国城市的证据[J]. 经济学(季刊), 2019, 18(3): 855–876. DOI:10.13821/j.cnki.ceq.2019.02.05.
- 刘行, 叶康涛. 金融发展、产权与企业税负[J]. 管理世界, 2014(3): 41–52. DOI:10.19744/j.cnki.11-1235/f.2014.03.005.
- Chen Y, Podolski E J, Rhee S G, et al. Local gambling preferences and corporate innovative success[J]. Journal of Financial and Quantitative Analysis, 2014, 49(1): 77–106. DOI:10.1017/S0022109014000246.
- Acemoglu D, Johnson S. Unbundling institutions[J]. Journal of Political Economy, 2005, 113(5): 949–995. DOI:10.1086/432166.
- Li X, Wang S S, Wang X. Trust and stock price crash risk: evidence from china[J]. Journal of Banking & Finance, 2017, 76: 74–91. DOI:10.1016/j.jbankfin.2016.12.003.
- Ji Q, Quan X, Yin H, et al. Gambling preferences and stock price crash risk: evidence from china[J]. Journal of Banking & Finance, 2021, 128: 106158. DOI:10.1016/j.jbankfin.2021.106158.
- 沈永建, 于双丽, 蒋德权. 空气质量改善能降低企业劳动力成本吗?[J]. 管理世界, 2019, 35(6): 161-178+195-196. DOI:10.19744/j.cnki.11-1235/f.2019.0086.
Prev
聚类标准误与固定效应的理解
Next
科研绘图：如何导出高DPI的图片
Loading...