Agent Skills
› brycewang-stanford/Awesome-Journal-Skills
› er-heterogeneity
er-heterogeneity
GitHub针对《经济研究》的异质性分析技能，指导选择有理论依据的维度、进行系数差异检验，并将结果与机制相互印证。适用于主结果稳健但缺乏深度或审稿人要求补充时，提供写作模板及呈现规范。
Trigger Scenarios
主结果已稳健但仅切单一维度
审稿人要求补做异质性分析
切分维度缺乏理论指引
Install
npx skills add brycewang-stanford/Awesome-Journal-Skills --skill er-heterogeneity -g -y
SKILL.md
Frontmatter
{
"name": "er-heterogeneity",
"description": "Use when designing or writing the heterogeneity section of an 《经济研究》 (Economic Research Journal) manuscript — choosing which dimensions to cut, justifying each cut theoretically, presenting subsample results with coefficient-difference tests, and wiring at least one dimension back to the mechanism story so heterogeneity doubles as mechanism evidence. 使用时机：主结果已稳健但只切了\"东中西\"一类单一维度、审稿人要求补做异质性、或切分维度缺乏理论指引时。"
}
异质性分析（er-heterogeneity）
触发时机
- 主结果已稳健，但只切了一个维度（"东中西"或"国企 / 非国企"）
- 审稿人要求补做异质性
- 切了多个维度但没有理论指引
切分维度优先级
按《经济研究》读者期待度排序：
- 制度环境 / 市场化程度 —— 王小鲁《中国分省份市场化指数》、各地法治指数
- 企业产权 / 公司治理 —— 国企 / 民企 / 外资、董事会独立性
- 行业属性 —— 高新 / 传统、上下游、是否管制
- 时间窗 —— 政策初期 vs. 后期 / 经济周期
- 个体特征（如适用）—— 年龄、教育、技能水平
至少切 3 个维度，每个维度至少 2 个子样本对比。
维度选择三原则
- 有理论指引：切分维度必须能解释"为什么这一维度上效应不同"
- 样本量足够：每个子样本 N ≥ 100 是底线
- 系数差异显著性检验：必须报告 Chow 检验或交互项
异质性写作模板
本文进一步检验[维度]异质性。
理论上，[原因]……
实证上，本文将样本按[维度]分为[组 1] 和 [组 2]，分别估计主回归（结果见表 X 第 (1)(2) 列）。
结果显示，[组 1] 的处理效应为 X，而 [组 2] 为 Y，系数差异在 [显著水平] 上显著。
这一发现与本文的[机制]一致。
该刊的呈现惯例：分样本表 vs. 交互项
两种呈现方式在《经济研究》正文中都常见，选择标准：
- 分样本回归（并列同一张表）：适合切分变量是离散制度属性（产权、行业管制、地区市场化分组）时。惯例是一张表放一个维度，(1)(2) 列为两个子样本，表下注明分组标准与分组变量出处（如市场化指数取样本期中位数分组），并单独一行报告组间系数差异的经验 p 值（费舍尔组合检验 / 自体抽样法），而不是让读者自己目测两列星号。
- 交互项回归：适合切分变量连续（融资约束指数、数字化程度）时，避免人为二分损失信息。交互项系数即"异质性本身"，正文解读应写成"X 的效应随 Z 每提高一个标准差而增强 β 个单位"，而非只说"交互项显著"。
两点该刊特有的口味：
- 异质性小节标题写经济含义，不写变量名——用"融资约束的调节作用"而非"按 SA 指数分组"；小节首句先给理论预期，再给结果。
- 不显著的维度也要交代：若某个理论上应有差异的维度没切出差异，正文用一两句话诚实报告并解释（度量噪声 / 渠道被政策抵消），比悄悄删掉更能赢得审稿人信任。
微型对照（改写前 / 改写后）
❌ 改写前："分组回归显示，国企组系数为 0.021，民企组系数为 0.058，说明存在产权异质性。"
✅ 改写后："民企组的处理效应（0.058）约为国企组（0.021）的 2.8 倍，组间差异的经验 p 值为 0.03。这与假说 2 的预期一致：民营企业面临更紧的外部融资约束，政策带来的现金流改善对其边际价值更高，产权维度的差异因而构成融资约束机制的侧面证据。"
改写后同时完成了三件事：报差异检验、给理论解释、回扣机制。
与机制分析的关系
异质性 ≈ 机制的反向验证：
- 机制告诉我们"为什么有效应"
- 异质性告诉我们"在什么条件下效应更强 / 更弱"
理想的实证文章应该：机制（M 强 → 效应强） 与 异质性（M 强样本 → 效应强） 互相印证。
必查清单
- 至少 3 个异质性维度
- 每个维度有理论指引
- 系数差异显著性检验报告
- 各子样本量足够
- 异质性结论与机制一致（或合理解释不一致）
反模式
- 把控制变量挂上交互项就叫"异质性"
- 切分后某一组 N=30 还在解释
- 切了 8 个维度凑数，但每个都不显著
- 异质性结论与机制冲突但不解释
异质性作为机制的侧证（重要）
按江艇（2022）的思路，理论驱动的异质性是比中介分解更可信的机制证据：若机制是 M，则在"M 渠道更畅通 / 更受约束"的子样本中，主效应应更强 / 更弱。设计异质性时，刻意让至少一个维度对应某条机制，使机制与异质性相互印证（详见 er-mechanism）。
配套与范例
- 完整范文：
resources/worked-examples/06-heterogeneity.md（三维异质性 + 机制侧证） - 范本对标：张勋等（2019，《经济研究》第 8 期）以群体异质性佐证数字金融渠道，见
resources/exemplars/
输出格式
【异质性维度】X 个
【系数差异检验】是 / 否
【与机制一致性】是 / 否（哪一维度对应哪条机制）
【最小子样本量】X
【下一步】er-tables-figures
Version History
- 1839142 Current 2026-07-05 12:53
