当前经济显著性(Economic significance)度量的普遍做法
为了更好地理解经济显著性在公司金融文献中的应用，本文对三本顶级金融期刊中（JF、RFS、JFE）的相关论文进行了调查整理。
下面介绍的这6种经济显著性度量方法，对于我们的研究有很大的帮助作用。
关于经济显著性，1.实锤! TOP刊上30%文章使用控制变量实现统计和经济显著性！2.AER前沿: 结论可能反直觉并且很好示范了如何说明经济显著性！3.关于回归的经济显著性说明, 这篇AER做了完美示范！
Todd Mitton, Economic Significance in Corporate Finance, The Review of Corporate Finance Studies, 2024, 38–79
经济显著性度量的使用
第2列详细列出了研究者采用的不同自变量变化假设。对于连续自变量，这些假设包括变化一个标准差、从第25百分位到第75百分位的变化（即四分位数范围，IQR）、其他百分位的变化（例如，从第10百分位到第90百分位）、一个百分点的变化，以及一个“其他”类别，该类别包括了所有不适合前述标准类别的假设变化。
第3至第8列则列出了衡量因变量变化的不同方法，包括将因变量变化表示为因变量均值的百分比、因变量标准差的百分比、百分点数、概率（特别针对虚拟因变量的情况）以及百分比（针对对数化的因变量）。
以表2中的数据为例，第3列第1行显示，对于连续自变量，37%的论文将经济显著性度量为自变量变化一个标准差，并将因变量变化表示为其均值的百分比。另一种使用频率超过10%的度量方法是将自变量变化一个标准差，同时将因变量变化表示为其标准差的百分比（使用频率为12%）。
第9列的总计显示，在65%的论文中，自变量的假定是变化为一个标准差，而在9%的论文中使用了四分位数范围（IQR）。第6行的总计显示，56%的论文以因变量均值的百分比来表示因变量的变化，而12%的论文则以因变量标准差的百分比来表示。
对于虚拟自变量而言，自变量的假定变化总是从0到1。根据表2的第7行数据，57%的论文选择将因变量的变化表示为均值的百分比，而6%的论文则选择表示为标准差的百分比。因此，尽管在采用虚拟自变量时，研究者对于度量方法有一定的共识。但表2中的统计数据揭示出，在衡量经济显著性的整体实践中，仍然缺乏统一性。
标准化度量的定义
为了便于探讨经济显著性，本文定义了一系列经济显著性的度量方法，会特别关注那些包含了最常用的自变量假定变化（例如，一个标准差、四分位数范围、从0到1的变化）以及衡量因变量变化的方法（例如，均值的百分比、标准差的百分比）。本文将这些度量方法统一命名为，其中i代表自变量的假定变化，而j代表用于表达因变量变化的度量方法。
其中，b代表自变量的估计回归系数，代表自变量的样本标准差，而
代表因变量的样本均值。由于经济显著性关注的是效应的大小，因此取其绝对值。根据表2的数据显示，
在37%的论文中得到了应用。
的一个典型应用实例可以在Smith（2016）的研究中找到，Smith（2016）指出：“结果在经济上具有显著性：腐败程度变化一个标准差，暗示着杠杆率平均变化12.29%。”换言之，Smith（2016）发现
等于0.12。
其中，是因变量的样本标准差。根据表2的数据，
在12%的论文中得到了应用。
通常被称为标准化系数、贝塔系数或标准化贝塔系数。如果自变量和因变量都经过标准化处理（即均值为零，标准差为1），那么
就等于回归系数的绝对值。
的一个实际应用例子可以在Guiso、Sapienza和Zingales（2015）的研究中找到。Guiso等人（2015）指出：“这些效应在经济上也具有显著性：诚信提高一个标准差，托宾Q增加0.19个标准差。”换句话说，Guiso等人（2015）发现
等于0.19。
3️⃣第三个经济显著性度量方法标记为![]()
，指的是自变量在四分位数范围内变化时，因变量的变化，并以因变量均值的百分比形式表示，即回归系数乘以（自变量75分位数值-自变量25分位数值）再除以因变量的均值。其计算公式如下：
其中，和
分别是自变量的第75百分位和第25百分位。根据表2的数据，
在6%的论文中得到了应用。
的一个实际应用例子可以在Mueller、Ouimet和Simintzi（2017）的研究中找到。Mueller等（2017）指出：“这两种效应在经济上都是显著的。从工资不平等分布的第25百分位到第75百分位，ROA提高了1.68个百分点（增加28.6%），托宾Q提高了0.12（增加9.0%）。”换言之，基于ROA均值为5.88%和托宾Q均值为1.38（在论文的其他部分有报告），Mueller等（2017）发现，盈利能力的
为0.29，企业价值的
为0.09。
4️⃣第四个经济显著性度量方法标记为，指的是自变量在四分位数范围内变化时，因变量的变化比，并以因变量标准差的百分比形式表示，即回归系数乘以（自变量75分位数值-自变量25分位数值）再除以因变量的标准差。其计算公式如下：
这一度量方法在采用虚拟自变量的论文中得到了6%的应用。
的一个实际应用案例可见于Li和Srinivasan（2011）的研究。他们指出：“FDIR（创始人-董事）的系数为0.30（t统计量=3.34），这表明创始人-董事公司的托宾Q值比非创始人公司的托宾Q值高出0.30个标准差。这一差异在经济上是显著的（相对于标准差为1.87）。”换言之，Li和Srinivasan（2011）发现
等于0.16，即0.30除以1.87的结果。
*群友可直接在社群下载该文全文参看。 关于固定效应，参看：1.交互项! 交互项! 固定效应回归模型中的交互项！2.在Stata中如何做2SLS, DID, DEA, SFA, 面板PSM, 二值选择, 固定效应和时间序列？3.一定要控制时间固定效应吗？4.公司和个体固定效应总是更好吗? 关于固定效应使用和解释的最全指南！5.使用固定效应FE时良好做法对应的检查清单，6.双向固定效应多期DID最新进展和代码汇总, 关于控制变量和固定效应选取的讨论，7.快速估计带有高维固定效应的泊松模型, 这计算速度真快, 真实用！8.不能直接控制某个固定效应时, 我们能尽量做些什么呢？9.时间固定效应和时间趋势项的区别, 可以同时加？10.省份/行业固定效应与年份固定效应的交乘项固定效应，11.截面DID, 各种固定效应, 安慰剂检验, 置换检验, 其他外部冲击的处理，12.广义合成控制法gsynth, 基于交互固定效应的因果推断，13.固定效应模型+测量误差=有问题, 如何解决这问题呢？14.到底控制什么层面的固定效应? 最低, 最高, or随意？15.固定效应: 目前看到解释的最清楚的帖子, 救命！16.固定效应模型+测量误差=有问题, 如何解决这问题呢？17.TOP5被质疑用log(1+x)数据转换, 固定效应, 双重差分事件图, 结论不可靠！18.审稿人: 如何在双向固定效应下还能估计出不随个体变化的宏观变量呢？ 关于聚类标准误的使用及其聚类层级的问题，1.啥时候使用聚类标准误, 以及数据聚类的修正方法? 2.在什么级别上标准误聚类, 个体, 县, 省或行业, 时间？3.什么时候用双聚类稳健标准误? 在个体和时间层面上考虑依赖性问题！4.双重聚类cluster咋做? 线性, logit, tobit可以双聚类吗? 5.聚类标准误精辟解释, 保证你一辈子都忘不了！6.4位计量领域大佬在TOP5上为聚类标准误问题提供了实证建议！7.完整解读TOP5刊的"什么时候和如何对标准误做聚类调整?" 4位计量大佬的合作！ 一些讨论，1.七大常见计量问题讨论汇总, 涉及控制,异质,机制,DID,DDD,调节,固定,平行,安慰等，2.关于双重差分DID政策评估中的控制变量选取标准？3.在平行趋势检验中对政策前后系列年份进行缩尾处理？4.使用异方差稳健而不是聚类稳健标准误, 在固定效应模型中能接受吗？5.平行趋势通不过, 该采取什么方法来更好地满足平行趋势呢？6.QA: 基尼太美, 农业数据, 机制检验, 组间差异, 博士论文创新, 控制函数, FM回归 7.审稿人: 你2SLS-IV回归中为啥R方是负数呢？
下面这些短链接文章属于合集，可以收藏起来阅读，不然以后都找不到了。
7年，计量经济圈近2000篇不重类计量文章，
可直接在公众号菜单栏搜索任何计量相关问题,
Econometrics Circle
