组间系数差异不显著 ≠ 组间真的“没有差异”。
90% 的“差异不显著”是 统计功效不足 或 检验方法选错。下面给一套 诊断 → 补救 → 报告 的三步清单，可直接套用到论文里。

---

1️⃣ 先诊断：3 个常见技术原因

问题	快速命令	判断标准	解决思路
样本量失衡	tab group, missing	某组 n<30	合并组别 / 再收集数据
组内方差过大	estat sd	组间标准差 > 组内均值 50%	加入协变量或改用多层模型
检验方法功效低	suest 后 test [coef]g1=[coef]g2	p>0.2 且置信区间重叠大	改用 似不相关回归 (SUR) 或 自助法

---

2️⃣ 再补救：4 个提升功效的操作

✅ 方法一：似不相关回归 (SUR) – Stata 一行解决

stata

sureg (y x controls if group==1) (y x controls if group==2)test [g1_mean]x = [g2_mean]x

SUR 考虑了组间残差相关，功效 > Chow 检验。

✅ 方法二：自助法 1000 次

stata

bs "reg y x controls if group==1" "reg y x controls if group==2", reps(1000)

✅ 方法三：多层模型 (HLM) 直接估计差异

stata

mixed y c.x##i.group controls || id:, cov(un) reml

交互项 c.x#group 的 p 值即“差异显著性”。

✅ 方法四：效应量 + 置信区间

计算 标准化差异（Cohen’s d）：

stata

local d = (_b[x:g1] - _b[x:g2]) / sqrt((e(sigma_g1)^2 + e(sigma_g2)^2)/2)

若 95% CI 包含 0 但 d 很小（<0.2），可解释为“差异微小”而非“无差异”。

---

3️⃣ 最后报告：模板可直接用

“表 6 显示，高/低 Z 组 X 的系数差异未通过传统显著性检验（p=0.18）。进一步采用似不相关回归（SUR）和自助法 1000 次后，差异仍不显著（p=0.21，95% CI=[–0.12,0.05]）。Cohen’s d=0.08，提示差异微小。因此，X 对 Y 的影响在不同 Z 水平间统计学上无显著差异，但置信区间包含经济上有意义的正值，需更大样本验证。”

---

一句话总结
“差异不显著”先查功效 → 换 SUR/HLM/自助法 → 补效应量 + 置信区间，论文就能从“不显著”变成“有信息量”。