请问楼主最后怎么办了

在使用`reghdfe`命令时加入个体固定效应后，核心解释变量被omitted（排除），这通常是因为该变量与你正在吸收的固定效应对之间存在完全共线性。在这种情况下，可能是你的政策实施变量（即`citypost`）和城市级别的固定效应之间出现了多重共线性问题。

具体来说，在每个城市内部，`citypost`变量表示政策是否在某一年被引入，这实际上是一种时间层面的变化信息。但是当你同时加入“市”作为吸收项以控制城市级别的固定效应时，`reghdfe`命令试图拟合每座城市的平均值，并从回归中去除这些均值的影响，而这恰好与`citypost`变量在没有政策变化的城市中的含义重叠（即，在不实施政策的年份里，“市”的固定效应和`citypost`都反映了城市的基本属性）。这可能导致某些城市的`citypost`变量信息完全被“市”这个吸收项覆盖掉。

解决方法可能有几种：

1. **考虑使用交互项**：尝试创建一个`citypost`与时间的交互项，这样可以捕捉政策变化带来的效果而不直接与城市固定效应重叠。

2. **使用差分后的数据进行回归**：在每个城市内部对因变量和`citypost`做差分处理，去除时间不变的影响。不过这可能需要你手工操作或使用其他命令。

3. **尝试不同的模型设定**：如果适用，可以考虑使用混合效应模型（如`mixed`命令），这样可以更好地控制个体异质性而不至于完全排除`citypost`变量。

4. **检查数据**：确保你的政策实施时间点和城市之间的关系没有错误地编码。例如，确认每个城市在实施政策的年份确实标记为1，在其他年份为0，并且这与你的分析设计相一致。

5. **咨询领域专家或统计顾问**：对于特定的研究问题，可能需要更深入的专业知识来确定最佳回归策略。在学术研究中遇到复杂的数据结构和模型设定时，向经验丰富的同行寻求建议总是一个好主意。

希望这些信息能帮助你解决当前的问题！如果还有其他疑问，请随时提问。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用