先回答题主的问题：
reghdfe y x, absorb(year industry)
reg y x i.year i. industry
都是同时控制年份和行业的固定效应模型 <hr/>以下是我专栏里的一篇内容，或许对于理解固定效应有帮助。
<hr/>老实说，在搞懂这篇笔记所说的内容之前我一直有一台疑惑：当论文中说控制固定效应时，fe和虚拟变量到底有什么区别和联系？只是知道fe是固定效应模型，也模糊地知道加入年度虚拟变量就是控制年份固定效应、加入行业虚拟变量就是控制行业固定效应；但是我实际上根本说不出fe模型的“固定效应”与时间、行业“固定效应”有什么区别，当涉及到高维固定效应时，更是暗自一头雾水。
不过，好在我目前终于搞明白了这个问题。促使我去思考这个问题的，是上课的时候杜老师的一句话：firm-level fixed effect通过检验后，一般的检验应该都能通过。学艺不精的我不明白这句话为啥能够成立，于是返回去重新复习了一些知识、查了一些资料，终于明白了自个以前存在的一些误区。其实问题说来也不难，只是以前一直模模糊糊不知道问题在哪里。并且，理解了这一点，也终于明白了别人的论文似乎更容易显著的秘密。
<hr/>误区1:xtreg + fe/re模型的全称应该说叫“个体固定效应/随机效应模型”。这里的个体，在会计学常见的公司研究来说，就是firm-level。个体固定效应与时间、行业固定效应一样，都是固定效应的一种。因此，不是说控制了XX固定效应，就一定用fe模型。
误区2: fe/re模型只是为控制个体固定效应提供了一条固定的语法，用reg + i.firm可以达到同样的效果。xtreg + fe模型再加入时间虚拟变量是控制了个体和时间的双向固定效应。
误区3:目前大多常见的论文报告的结果是控制年份和行业固定效应，其实用的reg命令加上年份和行业固定效应。而不是我所以为的fe模型。
最后，比较控制个体加年份、和行业加年份固定效应这两个模型，因为控制个体固定效应相当于为每一台个体（公司）都设置不同的截距项，而行业固定效应只需要为每一台行业设置不同的截距项，自然模型的要求低了很多，所以上课时候老师说的那句话就不难理解了。但是，虽然知道控制个体固定效应得到的结果最稳健，但是它很容易不显著啊…
所以，想明白真相的我再去看公开发表的论文，几乎都是控制行业固定效应，而我自个做论文时因为学艺不精，只知道傻傻地用xtreg + fe再尝试加一堆虚拟变量, 相当于无意中给自个选择了super hard模式，难怪我总是做不出结果了…想要心疼地抱住以前的自个。
<hr/>最后，顺带也学习了一下高维固定效应模型的命令：
reghdfe y x, absorb(id year industry) 可以实现控制多维固定效应
reghdfe y x, absorb(year#industry) 实现控制交乘固定效应
reghdfe也可以同时对标准误进行聚类
——————
发现居然有权限带货了，试试新功能～李子奈的stata讲义确实不错，他的《stata十八讲》非常实用 |
用Deepseek满血版问问看
