1、第一个问题，将数据合并，加入一个虚拟变量，看虚拟变量是否显著；或用邹（邹至庄）检验。
2、可以用F检验或Wald检验对多个回归系数的线性约束进行检验，比如你的原假设可以是a1-a2=0，Eviews中：在回归方程的窗口中，view->coefficient tests->Wald。由于是3个系数，可以做3次两两检验。

在SPSS 中以性别为分组变量做分组回归，应该如何比较回归系数的差异？
例如，把性别作为调节变量，在AMOS 里就可以用多组比较的方法，从结果报告
的P 值可以看出模型对男女是否等同；如在spss 里对男女分别做回归，该如何
分别回归，如何比较两个方程所得标回归系数是否有差异呢？
举例： 女生组 y1=a1+b1x+c1z； 男生组 y2=a2+b2x+c2z。
可以用的方法有----



1. 比较两个回归系数之间差别的公式为：(b1-b2)/se12，其中b1 和b2 是被比
较的回归系，se12 是两者的Join Standard Error(联合标准误差)，其结果是一
个以自由度为n-k-2 的t 分布（其中n 是样本量、k 是原来的自变量数，本案中
为x 和c 两个）。可是，在SPSS（其实是任何OLS 回归）中，你如果将男女分
成两个样本分布做回归可以得到b1 和b2，却得不到联合标准误差se12（因为
b1 和b2 出现在不同的模型中国），所以无法用到上述公式。
2. SEM（包括AMOS）是通过比较男女样本的拟合度之差别来比较两组回归系数
之间的等同性。不过，SEM 的这种做法是有代价的：它将一个总样本分成两个小
样本，其结果是降低了Power of Analysis (统计分析效力)，从而在没有降低
犯Type I 的误差的同时又提高了犯Type II 误差。
3. 较合理的方法是男女不分组、保留在同一样本内，将性别转换成dummy 变量，
再生成性别与你想比较的自变量（如X）的交互变量（如X*性别）。也就是说，将你的公式1（或公式2）中改成：
Y = a + bX + cZ + dS +eSX + fSZ
其中S 是性别（假定男=0、女=1），SX 是性别与X 的交互变量、SZ 是性别与Z
的交互变量。如果男女在S 上的取值（即0 和1）代人该公式，就可以分解成以
下两个公式（注意：样本还是一个）：
女生组（S=1）：Y = a + bX + cZ + d1 +e1X + f1Z = (a+d) + (b+e)X + (c+f)Z
男生组（S=0）：Y = a + bX + cZ + d0 + e0X + f0Z = a + bX + cZ
如果d 是显著的（即男女本身之差别），就说明女生在Y 上的截距（即平均值）
比男生高d 个单位；如果e 是显著的（即性别对X 与Y
之关系的影响），就说明女生的X 斜率比男生大e 个单位（见左下图红线的斜率）；
如果f 是显著的（即性别对Z 与Y 之关系的影响），就说明女生的Z 斜率比男生
大f 个单位。

不知道楼主的回归是否在经典假设基础上的，如果是，那么你得到参数估计都服从t分布，所以你面临的问题就是检验如下零假设：两个服从t分布的独立变量的差等于0（在某一个显著水平下）。由于t分布变量的线性组合仍为t分布，所以你算一下这个新变量分布的均值、方差和自由度，然后就可以查t分布表了。
另外，对于第二个检验，你还可以进行辅助的约束回归，比如假设另三个（或某两个）虚拟变量的系数相等，然后用F检验。
我的计量不太好，以上方法可能有误，请方家指正。
根据个人经验，建议好好学计量理论，而不是用软件瞎跑，否则经常出现遇到一点问题就解决不了的现象。所谓的速成方法，基本都是没有九阴真经的九阴白骨爪，唬唬江南七怪还可以，遇到高手根本不好使，而且会练坏自己，所以到头来还不如一开始就练好九阴真经。

谢谢鼓励。我做计量用过eviews和stata，但掌握的都不够深入，现在基本用matlab，虽然有些麻烦，但处理复杂问题，特别是多次回归时还是非常划算的，另外一个收获是自己写程序后对计量的理解加深了很多。