论文里最常见的一句错话是：「男性样本中 X 的系数显著，女性样本中不显著，说明 X 对男性的影响更大。」

这句话推不出结论。两组分别回归、一组 p < 0.05、另一组 p > 0.05，只能说明「在男性样本里我们没能拒绝零假设」，不能说明「两个系数不相等」——两组系数的差异本身可能完全不显著。要回答「是否真的不同」，得把这个差异当成一个待检验的参数，而不是比较两个 p 值。

两组分开回归时，各自的标准误只用到自己那部分样本。样本量小的一组，置信区间宽，p 值容易偏大；这不代表它的系数更小，只代表估计更不确定。当两个系数各自的置信区间都覆盖真值时，它们的差完全可能为零。

更要命的是，两个系数并不独立——如果两组共享同一批控制变量、同一时期的宏观冲击，两个估计量之间存在协方差。分开跑两个模型，软件不会给你这个协方差，你也就没法算出差的标准误。所以「比较 p 值」这条路的根本问题是缺少协方差信息，不是阈值选得不对。

把两组数据合并，加一个分组虚拟变量 G（0/
1），再让它与核心解释变量 X 相乘，回归式写成：

Y = β0 + β1·X + β2·G + β3·(X×
G) + 控制变量 + ε

此时 β1 是基准组（G=0）的斜率，β1+β3 是另一组的斜率，而 β3 正好就是两组斜率之差。检验「两组是否不同」等价于检验 H0: β3 = 0——一个系数的 t 检验就够了，而且这个检验自动用上了合并样本的完整协方差结构。

这个等价关系是整件事的关键：它把「两个模型的比较」降维成「一个模型里的一个系数」。分组变量本身（β
2）也要留在模型里，否则交互项的系数会吸收两组截距的差异，估计出乱七八糟的东西。

用 statsmodels 的公式接口最省事，分组变量用 0/1 数值或分类变量都行：

x * g 在公式语法里会同时展开主效应与交互项，等价于 x + g + x:g。如果只想看交互项而不想要主效应（一般不该这么做），用 x:g。

再用 Wald 检验把同一个假设验一遍，顺便拿到 F 统计量：

statsmodels 文档对这个方法的定义是：Compute a Wald-test for a joint linear hypothesis。也就是说它可以一次检验多个线性约束，不止一个系数。

wald_test(r_matrix, cov_p=None, invcov=None, use_f=None, df_constraints=None, scalar=True) 的第一个参数有三种形态，各有适用场景：

第一种是字符串，直接写假设，例如 "x:g = 0"，或同时写多条 "x:g = 0, z = 0"。日常用这种最直观。

第二种是数组（r×k 矩阵，r 是约束个数、k 是回归元个数）。文档说明这种写法下「It is assumed that the linear combination is equal to zero.」——即数组形式只表达「等于零」的零假设，要检验「等于某个非零值」得换第三种。

第三种是元组 (R,
q)，R 是约束矩阵、q 是约束值（标量或长度为 p 的行向量）。要检验 β3 = 0.5 这类非零假设时用这种。

两个参数容易踩坑。use_f：文档写明「If use_f is None, then the F distribution is used if the model specifies that use_t is True.」，也就是说 OLS 默认走 t 分布，use_f=None 会落到 F 分布上；显式设 use_f=False 则用渐近的卡方分布，样本大时两者接近，样本小的时候 F 更保守。cov_p：不传就用模型自带的协方差矩阵；如果你用了聚类稳健标准误，务必确认这里用的是同一个稳健协方差，否则 Wald 统计量与前面的 t 检验会对不上。

还有一个前提写在文档的 Notes 里：The matrix r_matrix is assumed to be non-singular.。约束矩阵秩亏（比如同一约束写了两遍、或与其它约束线性相关）时结果没有意义。

光看公式不容易相信，跑一遍模拟最直接。构造两组样本，让两组斜率真相同，重复 1000 次，看交互项显著的比例是不是接近 5%：

第一行是检验的水平（size），第二行是功效（power）。如果第一行跑出 0.2 这种数，说明代码或模型设定有问题，不是数据的问题。

再用两组分开回归做一个对照，你会看到「一组显著一组不显著」在 b3 = 0 时同样经常出现——这正是那句错话的来源。

第一，分开跑两个模型然后比 p 值。缺少协方差，差异的标准误无从计算。

第二，只报「显著/不显著」的分类结论，不报系数差与置信区间。审稿人要看的是差值多大、区间多宽，而不是两个星号。

第三，交互项模型里漏掉分组主效应。漏掉之后交互项会同时承载截距差异，系数解释跟着变。

第四，用 x:g 代替 x*g 又忘了主效应，导致「基准组斜率」无法解释，读者不知道 β3 相对于谁。

这套做法限定在线性回归（含 OLS、加权最小二乘）与线性假设上：交互项结构与 Wald 检验都依赖模型是线性的。换成 logit、probit 这类非线性模型时，交互项的系数不等于「两组边际效应之差」，需要算平均边际效应再作差（statsmodels 里可用 get_margeff 或 marginaleffects 一类工具），Wald 检验也要作用在边际效应上而不是原始系数上。

另外，如果你的标准误是聚类稳健的（比如按省份聚类），交互项的协方差必须用同一套聚类方差估计，wald_test 的 cov_p 要显式传入
m.cov_params()，否则会出现「t 检验显著、Wald 检验不显著」的假矛盾。

回复本帖，可见 statsmodels 这份 wald_test 文档的官方入口与相关方法（f_test、t_test、t_test_pairwise）链接、r_matrix 三种写法的完整示例代码、稳健与聚类协方差的传参写法，以及水平与功效两段模拟脚本的完整版本，方便你把上面的检验套到自己的分组回归上。