你有没有过这样的瞬间reghdfe跑完双向固定效应esttab出表贴进 Word导师看了一眼问“你这模型到底控没控制年份固定效应”你低头一看表格底部干干净净固定效应那一行根本不存在。我以前处理这个问题的办法非常原始——在 Word 里手动敲 Yes/No。一次论文十几个模型改一轮模型就要改一轮表不仅浪费时间还容易敲错模型 2 明明加了年份固定效应表格里却漏标。后来我把esttab的indicate()和reg2docx的固定效应自动化标注彻底摸了一遍才发现这件事完全可以一分钟搞定。这篇文章就把完整链路写清楚reghdfe怎么装对、esttab怎么手动标、reg2docx怎么自动标以及出表过程中踩过的坑和排查思路。1. 固定效应行空白之谜reghdfe 的 absorb() 与 esttab 之间发生了什么1.1 一个很典型的面板回归出表场景我先给你搭一个标准场景。用 Stata 自带的雇主-雇员纵向数据nlswork跑三个递进模型不带固定效应、只带个体固定效应、个体年份双向固定效应。webuse nlswork, clear xtset idcode year * 模型 1不加固定效应 reg ln_wage hours age ttl_exp est store m1 * 模型 2个体固定效应 reghdfe ln_wage hours age ttl_exp, absorb(idcode) est store m2 * 模型 3个体 年份双向固定效应 reghdfe ln_wage hours age ttl_exp, absorb(idcode year) est store m3跑完以后如果你直接敲esttab m1 m2 m3, b(%9.3f) t(%9.3f) star(* 0.1 ** 0.05 *** 0.01) scalars(N r2_a)输出结果里就只有系数、t 值、样本量和 R²表格底部干干净净没有“固定效应是/否”这一行。很多人的第一反应是去翻 esttab 的 help找“固定效应”字样结果越翻越糊涂。1.2 为什么 reghdfe 吸收固定效应后esttab 就“看不见”了这里要解释一下机制。reghdfe的核心操作是“吸收”也就是把absorb()里的变量对应的组内均值直接从因变量和解释变量中投影掉。这样做的好处是计算快、内存省尤其absorb(idcode year)这种多维固定效应普通reg i.idcode i.year要生成几千个虚拟变量而reghdfe几乎不生成虚拟变量。代价是这些被吸收的变量不会出现在估计结果e(b)的系数向量里也不在e(indepvars)里。esttab默认只根据e(b)里的内容生成表格主体所以它根本不知道idcode和year曾经被吸收过。不是它不想显示而是存储的结果信息里就缺了这一块。不过reghdfe会在e(absorb)里记录吸收变量的名字。这就是后面两个方案能实现自动化标注的关键。1.3 自动化标注要解决两层问题缺一不可明白了机制你就知道“自动化标注”这件事拆开其实是两层第一层是“判断”某个模型到底有没有控制某个固定效应。这个信息藏在e(absorb)里需要工具去读取。第二层是“输出”判断完了还要按表格的固定位置生成一行“Yes/No”并且保证多个模型之间位置对齐。第一列模型有、第二列模型没有各行也要严格对应不能错位。手动标注最容易出的问题就在第二层十个模型三行固定效应手敲只要错一格整个表格就废了。所以我们要的不是“能标出来”而是“自动、准确、可复现地标出来”。2. 装对 reghdfe安装命令、验证方法和两个常见报错2.1 标准安装路径ssc 和 GitHub 双通道先解决工具本身。reghdfe的安装说简单也简单说麻烦也麻烦主要卡在依赖包上。最稳妥的路径是先装依赖再装主命令ssc install ftools, replace ssc install reghdfe, replaceftools是reghdfe的底层依赖包提供高效的因子变量处理和分组操作。很多安装失败实际上都是因为ftools没装。如果你希望装比较新的版本更推荐走 GitHub 通道ssc install github, replace github install sergiocornejo/reghdfeGitHub 版本的更新比 SSC 快修复了一些老版本在 Stata 14/15 下的兼容问题。对于日常写论文来说两种通道都可以我一般建议能访问 GitHub 就装 GitHub 版装完更省心。2.2 报错一reghdfe requires the -ftools- package这个报错是最常见的。原因很简单装了reghdfe但没装ftools或者ftools版本太旧。解决办法就是先执行ssc install ftools, replace然后重新安装reghdfe。装完以后可以用which ftools看一下路径能看到.ado文件路径就说明装好了。2.3 报错二版本过旧或 mata 相关错误有时候你会遇到reghdfe能装上但一跑就报什么mata函数找不到或者reghdfe not found。这种八成是 Stata 版本太老或者装到了不同用户目录。reghdfe新版对 Stata 版本有要求如果你的 Stata 版本比较旧建议先用 GitHub 通道安装如果依然报错那就只能退回旧版ftools和reghdfe组合。另外检查一下自己是不是真的把命令装到了当前用户的 ado 目录sysdir和adopath可以查看路径环境。遇到reghdfe明明装了却调用不到把 ado 路径加进adopath 就能解决。2.4 装好后一分钟验证安装不是终点验证才是。跑完安装命令后我习惯做两步验证which reghdfe能返回路径例如C:\ado\plus\r\reghdfe.ado说明命令本身可用。然后直接跑一个最简单的吸收模型webuse nlswork, clear xtset idcode year reghdfe ln_wage hours age ttl_exp, absorb(idcode year)不报错、能正常输出系数就说明环境没问题。3. esttab 的 indicate() 手动标注能救急但离“自动化”还差一步3.1 indicate() 的检查逻辑其实很简单esttab虽然没有自动识别固定效应的能力但它给我们留了一个口子indicate()选项。indicate(显示标签变量名)的核心逻辑是检查一个模型存储的信息里是否存在某个变量存在就输出 “Yes”不存在就输出 “No”。由于reghdfe会把absorb()中的变量记在e(absorb)里所以indicate()能间接识别到固定效应。换句话说你手动告诉esttab去帮我查一下idcode和year这两个变量在不在模型里然后按固定位置汇报出来。3.2 一个模型和多个模型的标注示例还是之前三个模型加一行indicate()就够了esttab m1 m2 m3, b(%9.3f) t(%9.3f) star(* 0.1 ** 0.05 *** 0.01) /// scalars(N r2_a) /// indicate(个体固定效应idcode 年份固定效应year) /// mtitles(M1 M2 M3)输出效果大致是(1) (2) (3) hours 0.018*** 0.014*** 0.013*** (5.23) (4.87) (4.66) ... 个体固定效应 No Yes Yes 年份固定效应 No No Yes N 28099 28099 28099 r2_a 0.097 0.189 0.203第一次看到这个输出的时候我的反应是原来只要手写一行固定效应就能自动判断。模型 2 只有个体固定效应年份那一行自动变 No模型 3 两个都控制了就都是 Yes。确实比自己手动敲要强。3.3 方案一的局限当模型数量涨到 20 个用了几次之后你会发现esttab indicate()仍然不是真正的“全自动”。问题在于indicate()里的变量名要你手动维护变量多的时候很容易写错。我有一回把year写成了yr结果所有模型的年份固定效应行全部显示 No一开始还以为是模型没控制对浪费了一个小时排查。其次esttab默认输出的 RTF 文件在中文环境下很容易乱码中文标签进入 Word 后格式也很难看每次都要重新调整字体和列宽。再者如果你需要按照不同期刊要求输出三线表esttab默认的控制台样式和 Word 文档的排版习惯还是有不少差距。所以结论是esttab indicate()适合快速验收、临时看结果但如果你要正式写论文、交付 Word 表格它还不够省心。4. reg2docx 实现固定效应 Yes/NO 自动化标注Word 表格一条龙4.1 reg2docx 就是为解决这个场景而生的reg2docx是爬虫俱乐部团队开发的一个 Stata 命令专门把回归结果输出为.docx格式的学术表格。它从一开始就考虑到了中文论文场景支持中文标题、中文变量标签、中文注释而且输出的是真正的 Word 表格不是那种贴进去还要重新调格式的 RTF。和我用的最多的esttab相比reg2docx的语法非常接近但它对reghdfe固定效应的支持要完善得多。同样是indicate()reg2docx会主动读取模型存储信息里的固定效应记录输出固定效应 Yes/NO 行并且天然和中文论文的三线表要求对齐。安装命令也很简单ssc install reg2docx, replace如果网络受限装不上可以findit reg2docx或去作者公众号提供的离线包手动安装。4.2 完整实战三模型回归表直接出 Word我们还是用前面的nlswork数据跑完三个模型之后只需要一条命令reg2docx m1 m2 m3 using reg_table.docx, replace /// b(%9.3f) t(%9.3f) star(* 0.1 ** 0.05 *** 0.01) /// scalars(N 样本量 r2_a 调整R方) /// indicate(个体固定效应idcode 年份固定效应year) /// order(hours age ttl_exp) /// varlabels(hours 工作时长 age 年龄 ttl_exp 工作经验) /// title(表1 工资决定因素的回归结果) /// note(注括号内为 t 值* p0.1, ** p0.05, *** p0.01)运行完工作目录下会生成一个reg_table.docx。打开文件你会看到一张已经排好版的三线表表格长这样(1)(2)(3)工作时长0.018***0.014***0.013***(5.23)(4.87)(4.66)年龄.........个体固定效应NoYesYes年份固定效应NoNoYes样本量280992809928099调整R方0.0970.1890.203固定效应行自动出现在表格底部而且每个模型都自动判断了 Yes/No。模型 1 什么都没控制两行都是 No模型 2 只吸收了个体个体固定效应显示 Yes年份显示 No模型 3 双向固定效应两行都是 Yes。这才是真正的“自动化标注”。4.3 reg2docx 的 indicate() 为什么比 esttab 更省心核心原因是reg2docx把“读取固定效应状态”这个环节做成了内建逻辑。你在indicate()里写“显示标签变量名”它就会去检查模型存储信息中该变量是否被吸收、是否存在于回归中然后自动填 YES 或 NO。它和esttab的本质区别不是语法而是它默认考虑到reghdfe、areg、xtreg这类命令的固定效应存储特点。对使用者来说你只需要保证indicate()里的变量名和模型估计时absorb()里的变量名完全一致就够了。我个人的习惯是把reghdfe命令里absorb()的内容直接复制到indicate()里改一下引号格式从根上避免拼写不一致。4.4 常用选项组合星号、统计量、题注和变量标签reg2docx很多选项和esttab是同源的但有些细节值得注意。星号标注用star()控制比如经济学论文常用的三档star(* 0.1 ** 0.05 *** 0.01)这会自动给系数加上星号。统计量用scalars()添加scalars(N 样本量 r2_a 调整R方)这种带中文标签的写法比纯scalars(N r2_a)更友好出来的表格里显示的是“样本量”而不是 N“调整R方”而不是 r2_a。变量顺序用order()变量显示名用varlabels()。这几个选项组合起来基本可以做到 “跑完模型表格直接能交”。我自己最常用的固定搭配是reg2docx 模型列表 using 表.docx, replace /// b(%9.3f) t(%9.3f) star(* 0.1 ** 0.05 *** 0.01) /// scalars(N 样本量 r2_a 调整R方) /// indicate(个体固定效应idcode 年份固定效应year) /// order(核心解释变量) /// title(表xxx的回归结果) /// note(注括号内为 t 值。)跑完打开 Word几乎不需要再手工排格式。4.5 想把 Yes/No 换成“控制/未控制”怎么办有些期刊或导师偏好中文的“控制/未控制”而不是英文的 Yes/No。reg2docx不同版本的indicate()对自定义显示文本的支持不太一样稳妥的做法是先生成默认的 Yes/No 表格然后在 Word 里直接批量替换查找“Yes”替换为“控制”查找“No”替换为“未控制”。十秒钟搞定不会影响表格结构。如果你用的是较新版本且help reg2docx里显示indicate()支持labels()子选项那就可以直接在命令里写清楚生成时就是你要的文字。建议以你本机版本的帮助文档为准。5. 论文成品阶段的微调、踩坑与排查链路5.1 Word 里的三线表微调字体、列宽和居中reg2docx输出的是标准三线表框架但中文论文往往还有具体要求。我拿到 docx 后的常规操作是三步全选表格把中文字体设成宋体西文字体设成 Times New Roman字号一般小五或五号。根据变量名长度调整列宽核心解释变量列适当加宽让表格不要挤成一团。表头文字居中系数列的小数点尽量对齐。Word 里手动对齐确实麻烦但表格行数不多时花两分钟调一次也还行。5.2 变量顺序和变量标签让表格服务于论证表格不是把所有跑过的变量都堆上去就好。如果控制变量太多我会用keep()只保留核心解释变量把控制变量的估计结果放到附注里。或者用order()把核心解释变量提到最前面让读者第一眼看到的就是最想论证的系数。变量标签建议都设置成中文字面意思避免表格里出现ttl_exp这种变量名。varlabels()这个选项就是干这个的。5.3 坑一indicate() 变量名和 absorb() 不一致导致固定效应行全是 No这个坑我踩过一次排查过程非常典型。某次出表模型里明明absorb(idcode year)控制得很好reg2docx输出后“年份固定效应”那一行却是 No。第一反应是reg2docx出了问题反复检查选项之后才发现indicate()里写的是year_dum而模型里absorb()用的是year。变量名对不上工具自然判断“模型里没有这个变量”。排查链路其实很简单先看reghdfe命令里absorb()里的准确写法再逐字对照indicate()里的右侧变量名。不要凭记忆写直接复制粘贴。5.4 坑二est store 命名被覆盖两张表长得一模一样有一次我连续输出两张表用的模型列表分别是m1 m2和m2 m3。结果两张表的第二列看起来一模一样开始以为是reg2docx缓存了什么后来才发现自己写循环时不小心把m3重新赋值覆盖了m2。Stata 的est store是按名字存储你后续一旦再次est store m2之前那个 m2 就被覆盖了。建议给模型起不容易冲突的名字比如m_base、m_fe、m_twoway不要用m1 m2 m3这种极其容易被覆盖的短名字。每次出表前敲一句est dir看一眼当前存储的模型列表能避免一大半低级错误。5.5 坑三加入了聚类标准误后额外统计量怎么加reghdfe做面板回归一般会加vce(cluster idcode)这时很多人希望表格里同时报告聚类数量。reg2docx的scalars()可以自由添加统计量常见写法是reghdfe ln_wage hours age ttl_exp, absorb(idcode year) vce(cluster idcode) est store m3 reg2docx m3 using 表.docx, replace /// b(%9.3f) t(%9.3f) star(* 0.1 ** 0.05 *** 0.01) /// scalars(N 样本量 r2_a 调整R方 N_clust 聚类数) /// indicate(个体固定效应idcode 年份固定效应year)N_clust是reghdfe存储的聚类数量标量名不同版本可能略有差异如果输出为空可以用ereturn list查看实际标量名再调整。5.6 离线环境安装 reg2docx 的笨办法有些单位网络环境受限ssc install经常超时。我的应对方法是在有网的电脑上把.ado文件包含 help 文件打包下载下来拷到个人 ado 目录。具体目录可以通过sysdir查询PERSONAL或PLUS路径然后把文件放进去重启 Stata 就能调用。这个方法对reghdfe、ftools、reg2docx都适用属于通用解法。6. 我目前在用的最终工作流esttab 与 reg2docx 各管一段6.1 我的主力流程经过反复折腾我现在的主力流程非常固定数据清洗完成后核心模型固定用reghdfe并加上vce(cluster ...)。每个模型用带语义的名字est store。需要出正式表格时直接用reg2docx生成中文 Word 三线表固定效应行用indicate()自动化标注。出表后再用 Word 批量替换把 Yes/No 改成中文“控制/未控制”微调字体和列宽任务就结束了。这套流程对中文论文特别友好因为reg2docx生成的 docx 天然不裂表、不乱码标题和注释都能用中文。6.2 什么情况下我还会用 esttabesttab并没有被完全替代。需要输出 LaTeX 表格时我仍然会回到esttab。学术会议投稿或模板要求 LaTeX 时esttab m1 m2 m3 using table.tex, replace ...再配上一段booktabs设置效率依然很高。另外在 Stata 窗口里快速看回归对比esttab的文本输出也更方便。换句话说esttab管快速预览和 LaTeX 输出reg2docx管最终 Word 成品两者在这个工作流里各管一段。6.3 给新人的三点实际建议最后说三个我踩过坑之后形成的习惯。第一模型名一定要起得有意义。m_base、m_fe、m_twoway比m1 m2 m3安全得多尤其在模型数量多的时候。第二indicate()里的变量名永远是问题高发区。每次写完reg2docx命令我都会对照reghdfe的absorb()把变量名对一遍宁可慢三十秒也不愿意事后排查半小时。第三自动化标注不是免检标志。工具自动生成的 Yes/No 基本不会错但你仍然要在最终表格里肉眼核对一遍模型 3 的两行固定效应到底是不是 Yes。多模型表格最怕的不是工具出错而是人在复制粘贴时看走了眼。固定效应自动化标注这件事解决的不只是省几分钟时间。它让每个模型的固定效应状态都必须经过模型估计本身来确认而不是依赖你手动敲进 Word 里的那几个字母。对我这种动辄十几个回归的日常工作来说这一个改变省下的精力和避免的低级错误远比我最初预期的多。