在Stata中使用`mlogit`模型后，确实会得到多组估计结果。每一组（或者说是每个选择）都有其对应的系数估计值。如果你想要比较两个分样本回归后的相同变量的系数是否显著不同，这通常涉及到对参数进行约束或对比检验。

假设你已经根据不同的分样本做了两次`mlogit`回归，并将这两个模型的结果保存下来。然后你可以使用Stata中的`suest`命令来进行跨模型的标准误差估计，之后利用`test`命令来比较两个系数的显著性差异。

这里是一个基本示例步骤：

1. 首先运行你的第一次`mlogit`回归：
   ```
   mlogit y x1 x2, baseoutcome(0)
   estimates store model1
   ```

2. 然后，使用同样的命令但不同的样本进行第二次回归，并保存结果：
   ```
   mlogit y x1 x2, baseoutcome(0)
   estimates store model2
   ```

3. 使用`suest`命令来同时估计这两个模型的标准误差（假设你的数据已经按照分组的不同被分开处理）：
   ```
   suest model1 model2
   ```

4. 最后，使用`test`命令比较两个模型中某个变量的系数是否显著不同。例如，如果你要比较`x1`这个变量在两个模型中的系数差异：
   ```
   test [model1_mean]x1 = [model2_mean]x1
   ```

注意：这里的 `[model1_mean]x1` 和 `[model2_mean]x1` 是指在两个不同的模型中对 `x1` 变量的系数估计值。

通过上述步骤，你就能得到比较结果，并判断两组样本中变量`x1`的`mlogit`回归系数是否具有显著性差异。如果p-value小于你设定的显著性水平（例如0.05），则可以认为两个系数在统计上是不同的。

另外需要注意的是，在使用`suest`命令前，可能需要对数据进行适当的处理或分组以确保模型正确地应用到了不同样本上。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用

需要的

1.mlogit模型的结果是多序列的回归结果，其系数并不能直接进行比较，需要通过margin命令计算边际系数
2.分样本的显著性比较很有很通常的做法，主要是ｃｈｏｗ检验、费舍尔检验、自助法和交互项法四种。