Oaxaca-Blinder 分解

Oaxaca-Blinder 分解是什么？

Oaxaca-Blinder 分解回答的是两个群体平均结果差距中，有多少来自特征差异，有多少来自同样特征下的回报差异。它常用于工资差距、城乡差距、性别差距或地区绩效差距。

先用一句话理解

把 Oaxaca 分解想成比较两队工资。第一部分问两队教育、经验、行业构成是否不同；第二部分问即使教育经验相同，不同群体得到的回报是否仍不同。

什么时候用

把它和相近方法分清楚

核心直觉和模型公式

均值差距分解

两组 A 和 B 的差距可分解为：

第一项是 explained 部分，第二项是 unexplained 部分；具体形式会随参考组选择变化。

公式里的符号怎么读

专业使用口径

专业 Oaxaca 分解要控制解释力度，尤其不能把未解释部分直接贴标签。

一步一步做：从问题到结果的五步

结果怎么读：先读口径，再读数字

本页案例读表时，先记住这个口径：SOE 与民营企业的 ln Patent 组间差距是 -0.1100，其中 DFI 可解释部分是 0.0000。

初学者最容易错在哪里

先看这个案例的结论

• SOE 与民营企业的 ln Patent 组间差距是 -0.1100，其中 DFI 可解释部分是 0.0000。
• 未解释部分是 -0.1100；Oaxaca 页要把 endowment 和 coefficient/structure 两类差异分开说。
• 这页是企业创新案例的分解演示，不应该被写成工资歧视式模板结论。

变量要求和案例口径

实际代码

下面是本页案例里的最小 Stata 代码。它的作用是帮助你看清变量怎么进入模型、结果文件怎么生成，而不是要求你在网页里手动运行。

import delimited "$DATA_PATH", clear varnames(1) encoding(UTF-8)
gen ln_patent1 = ln(1 + patent_count)
egen firm_id = group(stkcd)
xtset firm_id year

global y ln_patent1
global count_y patent_count
global x dfi_index
global controls roa lev size growth cashflow tobinq top1 dual board indep soe age
gen post = year >= 2018
bysort firm_id: egen pre_dfi = mean(cond(year < 2018, dfi_index, .))
quietly summarize pre_dfi, detail
gen treat = pre_dfi >= r(p50)
gen did = treat * post
gen high_patent = patent_count > 2
gen running_dfi = dfi_index - 260
gen rdd_treat = running_dfi >= 0

oaxaca $y $x roa lev size growth cashflow, by(soe)
export delimited using "$JOB_DIR/oaxaca_results.csv", replace

实际输出表

这张表是本方法页配套案例的输出结果，用来把前面的公式、变量口径和代码对应到实际数字。

案例图

这是一张由同一份案例数据生成的页面内诊断图。

论文里怎么写

本文在共用企业面板样本上报告Oaxaca-Blinder 分解，核心输出见 oaxaca_results.csv。结果解释时同时关注样本口径、变量构造、系数方向、标准误和适用前提，避免只凭单个 p 值完成方法选择。

检查清单

• 先定义两个组和分解变量，组别不能事后为了差异显著而选择。
• 把 endowment、coefficient 和 interaction 部分分开读。
• 未解释部分不能直接写成歧视或机制，除非有额外理论和证据。

返回教程库 · 查看共用案例