目录

两步回归法是实证会计与金融研究中的常用手段。研究人员通常使用普通最小二乘法将一个因变量分解为预测和残差两部分，并将残差部分作为第二次回归的因变量。然而这一方法计算的系数和标准误是有偏的，并且偏差的大小是模型中回归变量相关性的函数。

1. 引言

会计和金融的许多研究检查了各种变量的异常的决定因素，或无法解释的组成部分。例如，可操控性应计利润、超额薪酬、异常股票回报等。这些研究的典型做法是，先进行第一步 OLS 回归，然后将残差 (未预期部分) 作为第二步的因变量回归。

当第二步回归中包括许多控制变量时，上述做法是有问题的。这主要是因为偏差的性质 (膨胀、衰减或符号变化) 取决于第一步和第二步中回归变量相关性的符号和强度。通过模拟分析，作者认为当回归变量之间存在更强的相关性时，偏差可能更加严重。