同一个回归模型，相同的解释变量，被解释变量不同，来自两个子样本。

这两个子样本是通过对一个总样本经处理得到的：例如，总样本包含12345678这几个sample，每个sample对应一个return值，full-sample是通过计算1-8对应的return均值得到的，low-subsample是通过计算1-4的return均值得到的，high-sample是通过计算5-8对应的return均值得到的。

这样的话，回归是三个样本（总样本和两个子样本），样本容量都是相同的.

子样本的话觉得应该用CHOW' TEST，但是最终的三个回归其实是独立的呀？被解释变量size一致，值是不同的。
Q1：是否可以用CHOW TEST？（因为没办法直接用chow命令，用的lrtest）结果怎么解读？

Likelihood-ratio test                            LR chi2(2)  =    279.40
                                                      Prob > chi2 =    0.0000

Assumption: (full) nested in (high, low)

-----------------------------------------------------------------------------
      Model |    Obs    ll(null)       ll(model)        df          AIC         BIC
-------------+---------------------------------------------------------------
          full |    136    116.9233    280.0457      2    -556.0913    -550.266
        high |    112    81.54098    175.7017      2    -347.4033   -341.9663
         low |    136    114.1906    244.0434      2    -484.0868   -478.2614
-----------------------------------------------------------------------------

Q2：不可以的话，应该用什么命令？

先谢过了！