我们分析了四种测量平均结果中无法解释的差距的方法:基于Oaxaca(1973)和Blinder(1973)开创性工作的三种分解方法，以及一种涉及看似naïve回归的方法，其中包括一个组指标变量。我们的分析产生了两个主要发现。我们表明，从OLS回归中获得组指标变量的系数是获得无法解释的差距的单一测量的有吸引力的方法。我们还表明，与OLS回归相比，常用的池化分解系统地夸大了可观察特征对平均结果差异的贡献，因此低估了无法解释的差异。然后，我们提供了三个实证例子，探讨我们的分析结果的实际重要性。