目录

1. 引言

在政治经济学的研究中经常会分析交互效应，例如研究者会提出一个条件情形预测 (conditional hypotheses)：

•  对  具有正向的影响，且这一效应会随着  取值的增大而增大。

研究者会用一个包含交互项的模型来对这一预测进行检验。需要注意的是，含有交互项的模型具有对称性，例如：

它既表示  对  的影响条件于  的取值，也表示  对  的影响条件于  的取值。然而在实证检验中，研究者常常主观的将这两个变量赋予不同的角色，例如将变量  看做已知的条件变量，它的作用是调节  对  影响系数的大小，而将另一个变量  放置于此条件下。

包含交互项模型的假设检验步骤是：

1. 将其中一个变量，例如 ，视作条件变量；
2. 提出一个关于  的边际效应如何随  变化的预测；
3. 通过绘制  的边际效应图的方式检验预测。

研究者往往忽略了与之对称的预测的检验：即将  视作条件变量，检验  的边际效应如何随  变化，并绘制  的边际效应图。当然，本文并不是建议研究者增加一个对称性的理论预测，而是论述额外提供  的边际效应如何随  变化的检验可以提高检验力度，如果忽略这一步骤，有可能低估或夸大了对理论实证检验的可信度。