本人学术造诣不深,以下观点仅是本人的浅知拙见和对大佬语录的搬运

,望各位大佬批评指正。
就分组回归而言,优点在于,操作简单,严谨的来说假设比较宽松,而且不需要考虑遗漏变量的问题,分组多余两组的话较于交互项更好解释;但缺点在于连老师所说的需要进行组间差异检验,邹检验、似不相关检验、费舍尔组合检验,且连续变量选择不同的分组界限时可能由于样本原因不显著,结果不好看。交互项假设比较严格,只假设解释变量组间差异,但显著性出来一般较高,结果比较漂亮,如前面几位大佬说的,交互项可以分析相关关系,比较容易找创新点;但交互项并非没有缺点,相反缺点很大,首先是多重共线性,其次交互项可以运用的前提是线性模型,当模型非线性加入交互项可能存在遗漏变量的问题,除非一开始就加入交互项;但一开始加入交互项,主要分析就得落在交互项分析上,由于多重共线性很容易不显著不是很好解释,到后面异质性分析再加入三重交互项就更不好解释了,显著性也可能不显著,但三项交互不显著可以作为排除竞争性假设来看,也不是不能解释。所以写作的时候可以从对自己有用的角度来陈述,也可以作为小小的创新点(主要创新点还是从视角)来“攻击”对标的那篇论文(前提是对标论文不是大佬写的

,大佬一般都很严谨。)