夏普利值分解法是一種統計分析方法，用於評估和分解回歸模型中各個解釋變數對因變數的貢獻。這種方法結合了傳統回歸方程分解和夏普利值法，能夠量化各個回歸變數對因變數不平等貢獻的大小。具體步驟包括：
計算因變數差異度：使用基尼係數、泰爾指數或對數離差值來度量因變數差異程度。
計算回歸變數的貢獻度：在回歸估計後，使用夏普利值分解命令來計算各個回歸變數對因變數差異程度的貢獻度。
夏普利值分解法可以用於分解普通最小二乘回歸（OLS）的R2值，也可以用於分解有序Probit回歸（logit）或有序Probit回歸（probit）後的偽R2值。在Stata中，可以使用`shapley2`命令來執行夏普利值分解，並指定統計量（如R2）和變數分組。
需要注意的是，夏普利值分解法沒有考慮殘差項，因此它只能說明在模型能解釋的變異量中，哪些因素髮揮了最大的影響。對於模型不能解釋的部分，夏普利值分解法無法提供信息。此外，改變變數分組後，各維度的貢獻率可能會有所不同，但這種變化通常不會太大。最後，各維度貢獻率的總和應該為100%，如果不是100%，差異通常是由計算誤差造成的。