邹检验 (Chow Test)

邹检验 (Chow Test)

邹检验 (Chow Test) 是由美籍华裔经济学家邹至庄 (Gregory C. Chow) 于 1960 年提出的统计检验，用于判断同一线性回归模型在两个不同时期或两个不同子群体之间的回归系数是否存在结构性差异。邹检验在计量经济学中被广泛应用于政策干预效果评估、经济结构断点检测和模型稳定性的形式化验证——其核心问题为：同一个回归方程是否能同时适用于两个子样本，还是需要分别拟合不同的回归模型。

检验原理与统计量构造

考虑线性回归模型 $y = \mathbf{X}\boldsymbol{\beta} + \boldsymbol{\epsilon}$，样本被分割为两个子集：子样本 1（容量 $n_1$）和子样本 2（容量 $n_2$）。完整样本的合并回归（pooled regression）获得残差平方和 $\text{RSS}_P$（自由度为 $n_1 + n_2 - k$，其中 $k$ 为参数个数）。分别对两个子样本独立回归获得 $\text{RSS}_1$ 和 $\text{RSS}_2$（自由度分别为 $n_1 - k$ 和 $n_2 - k$）。零假设为两个子样本的回归系数相同：$H_0: \boldsymbol{\beta}_1 = \boldsymbol{\beta}_2$。备择假设为至少部分系数相异。

邹检验统计量为：

分子反映"合并回归相对于分样本回归的残差增加"——若子样本系数确实不同，则合并回归的残差将显著膨胀；分母为分样本回归的联合残差方差估计。在零假设和正态误差假设下，该统计量精确服从 $F$ 分布。

应用场景与前提

邹检验的标准应用场景包括以下三类。第一，政策时点断点：以政策实施日期为分界点检验回归模型是否发生结构性变化，如检验税率变更前后消费函数的边际消费倾向是否改变。第二，子群体异质性：检验回归关系在性别、地区或行业层面的同质性，如检验男性与女性的教育回报率方程是否存在显著差异。第三，预测失败检验：当某子样本容量不足时，邹检验可退化为预测检验（Chow forecast test），以较大样本估计模型再用较小样本检验模型预测能力。

邹检验依赖若干关键假设。误差项需服从正态分布且各子样本满足同方差性——若两子样本的误差方差不同，邹检验的拒绝率将偏离名义水平。对于异方差情形，可使用Wald检验或似然比检验结合异方差稳健协方差估计作为替代。断点位置必须事先已知（并非从数据中选出），否则会引入预检验偏差——未知断点的结构性变化检测应使用Quandt-Andrews检验或CUSUM检验系列方法。此外，邹检验只检验系数的整体不变性，不识别具体哪些系数发生了变化，也非"因果效应异质性"的检验，仅是对相关关系在不同子集间差异的统计判断。