計量經濟學
在執行回歸之前我應該進行卡方檢驗還是 T 檢驗？
在執行回歸之前的許多文章中，作者進行 T 檢驗或卡方檢驗以檢查 2 個子樣本中的變數之間是否存在顯著差異。就我而言，我感興趣的變數是長時間工作，所以我應該對子樣本進行這些測試：人們長時間工作而不這樣做？如果我之後執行回歸，我不明白為什麼我需要這個。為什麼人們通常會做測試？
是的，如果您沿著子抽樣之路而不是使用互動變數，那麼您絕對應該測試差異是否具有統計意義。也就是說，如果您關心工作質量，您應該測試差異。如果您不關心輸出的質量（可能是您只想要及格分數的課程），您當然可以跳過它，但是您可以從中得出的研究和結論的質量會受到影響。
測試差異是否具有統計顯著性很重要的原因是，當您將樣本拆分為子樣本時，估計值當然會有一些差異 $ \hat{\beta} $ 純粹是由於隨機機會。
例如，如果在子樣本 A 中，您估計 $ \hat{\beta}{iA}=4 $ 在子樣本 B 中你估計 $ \hat{\beta}{iB}=4.5 $ 您不能自動聲稱在子樣本 B 中效果確實大了 0.5。這可能是 0.5 的差異可以完全歸因於隨機機會。
為了查看差異是否真的很顯著，您應該使用一些測試來測試 $ H_0: \hat{\beta}{iA}- \hat{\beta}{iB} = 0 $ 反對差異不為零的替代方案。適當的測試將取決於您的具體研究， $ t $ -測試和 $ \chi^2 $ 測試很常見，但不僅僅是可以使用的測試。