排序效应方法：超越平均值的异质效应发现

非线性和交互线性模型中感兴趣的偏（其他条件不变）效应是异质的，因为它们可能随潜在的观测或未被观测协变量发生剧烈变化。尽管异质性显然重要，现代实证工作中的常见做法却通过报告平均偏效应（或者充其量某些组的平均效应）而大体忽略它。虽然平均效应提供了典型效应非常方便的标量摘要，但按其定义它们未能反映异质效应的全部多样性。为了更充分地发现这些效应，我们提出估计并报告排序效应——一组按递增顺序排序并按百分位数索引的估计偏效应。按构造，排序效应曲线在一个图中完全表示并有助于可视化异质效应的范围。它们在实践中与常规平均偏效应一样方便且易于报告。它们也作为分类分析的基础，我们将观测单元划分为受影响最大或最小的组并总结其特征。我们为估计的排序效应及相关分类分析提供了不确定性量化（标准误和置信带），并为受影响最大和最小的组提供置信集。导出的统计结果依赖于建立多元排序算子及相关分类算子的Hadamard可微性的关键新数学结果，这具有独立意义。我们将排序效应方法和分类分析应用于展示性别工资差距中几个引人注目的模式。