回归分析第2讲：回归能回答什么？不能回答什么？

上一讲我们讲了“回归”这个词的由来，以及它如何从一项身高研究发展成现代统计学最重要的方法之一。本讲不再讲历史，而是回答一个更关键的问题：

回归具体能回答什么？又有哪些问题，即使用再复杂的回归，也永远回答不了？

理解这一点，会决定你是否能科学、谨慎地解读回归结果。

【一】回归能回答的三个核心问题

（1）关系是否存在？方向是什么？

回归分析最基本的能力，是判断两个变量之间是否存在一种稳定的、可重复的关系。在具体研究中，我们首先想知道的往往是：

• 某个变量与结果之间是否存在系统性关系
• 这种关系是正向、负向，还是不存在
• 是否具有统计意义

例如：

• 城市 PM2.5 上升，医疗支出是否随之上升？
• 数字经济指数越高的地区，是否消费越旺？
• 企业 ESG 表现越好，融资成本是否越低？

回归通过系数的正负号、显著性水平告诉我们：

这些趋势在数据中是否具有“稳定性”。

这一步不能回答因果，但能给我们非常清晰的“方向性证据”。

（2）影响有多大？（回归最重要的价值之一）

回归模型能够通过系数的方向和显著性，告诉我们这种关系在数据中是否成立。但回归的价值远不止判断方向。更重要的是，它能量化这种关系的“大小”。我们更关心：

“到底影响多少？”

例如：

• 教育年限每增加 1 年，收入平均提高多少？
• 广告投入增加 10%，销量平均提升多少？
• 数字普惠金融指数提高 0.1，农村消费提升多少？

这种量化的影响，是政策评估、商业决策和学术解释中最重要的内容。相关性只告诉你两个变量“走向差不多”，而回归告诉你“增加1单位，会带来怎样的平均变化”。例如：

• 政策制定需要判断成本是否值得
• 企业决策需要比较投入产出
• 学术研究需要解释经济意义，而不是只报告了一个p值

所以即使显著性不高，一个有意义的“影响方向 + 影响幅度”依然能为研究提供价值。

（3）在控制其他因素后，这种关系是否仍然存在？

这是回归的“灵魂”。

回归分析的另一个核心能力，是将多个变量同时纳入考虑，找到某个因素对结果的“净影响”。

真实世界中，一个结果变量几乎不可能由单一因素决定。房价、收入、销量、健康状况……几乎都受到多重因素共同作用。如果不控制这些因素，很容易把条件差异误当成“影响”。

回归正是通过加入控制变量，把这些背景因素“扣除”，让我们看到某个变量本身的独立效果，也就是经济学中常说的“other things being equal（其他条件不变）”。

例如：

大城市数字经济越发达 → 收入越高

但这是因为数字经济导致的？
还是因为“大城市本来就更富裕”？

因此，回归让我们能同时纳入：

• 城市规模
• 教育水平
• 产业结构
• 固定效应
• 地理特征
• 政策因素

结果可以变成：

在控制城市规模、教育、产业结构等因素后，数字经济每提高 0.1，收入仍然提升 X%。

这才是我们真正想知道的“净效应”。

【二】回归不能回答什么？（三个最容易被误解的地方）

回归分析的局限同样明显，而且远比初学者想象的更严格。下面是回归分析最容易被误解的地方：

（1）回归不能自动推断“因果关系”

这是所有初学者最容易犯的错误。即使回归结果显示：

• 系数显著
• p 值小到 0.000
• R² 很高

你仍然不能说：

“X 导致了 Y。”

这背后的原因，可能包括：

• 反向因果：收入高的地区更容易发展数字经济
• 遗漏变量偏误：家庭背景、城市治理未被控制
• 共同驱动因素：政策、经济周期同时影响 X 和 Y

要想推断因果，需要：

• 工具变量（IV）
• 双重差分（DID）
• 自然实验
• 随机实验
• 固定效应模型
• 断点回归（RDD）

没有这些额外设计，你只能说：

“关系存在”，而不能说“原因是它”。

（2）回归无法保证你的模型是完全正确的

回归模型永远不可能“完美”，很多因素不是回归本身可以判断的，包括：

• 变量选择可能不完整
• 函数形式可能设定错误
• 有些变量测量不准确
• 有些因素无法观察
• 模型没有考虑非线性结构

例如：

研究教育对收入的影响，却没有控制“家庭背景” → 结果一定偏误。

模型设定偏误无法通过“回归本身”解决，这就是为什么高级计量方法强调识别策略。

（3）回归不能控制无法测量的因素

回归只能控制那些可量化、可观察、且被纳入模型的因素。但现实中存在大量无法测量的因素：

• 企业家能力
• 地方治理效率
• 城市文化氛围
• 居民风险偏好
• 企业内部管理水平

这些因素“真实存在”，但无法进入回归模型，于是：

回归永远无法完全消除偏误，它只能尽量减少偏误。

理解这一点，是写论文必须有的“谦逊”。

【三】一个形象的比喻：回归是数据世界里的“显微镜”

如果要给回归找一个形象的比喻，那么它就是数据世界里的显微镜。显微镜能让我们看到肉眼无法观察到的结构，而回归能让我们看到变量之间的系统性关系。显微镜能“放大”细节，但会受到镜头质量、光线、材料透明度等限制；同样，回归能“放大”影响，但会受到变量选择、测量精度、模型设定、数据质量等限制。

回归的力量在于：

• 它能把变量之间的系统性关系“放大”
• 它能剔除部分背景噪音
• 它能量化影响的幅度

但它的局限在于：

• 模型设定问题
• 不可观测因素
• 数据缺失
• 样本质量差

所以回归是一种强大的工具，但不是万能工具。

【四】本讲小结

本讲我们从能力与边界两个角度重新审视了回归分析：

✔ 回归能够做的是：

• 方向：关系是否存在
• 幅度：影响有多大
• 净效应：控制其他因素后是否依然存在

✘ 回归不能做的是：

• 自动判断因果
• 保证模型绝对正确
• 控制不可测量或不可观测的因素

理解这些，是写好任何回归论文的第一步。