N为179个地级市，TIME为871天。

STATA命令如下：
xtset citycode time

tabulate time, gen(time_dumm) //生成时间固定效应虚拟变量
tabulate citycode, gen(citycode_dumm) //生成个体固定效应虚拟变量

global Xs "x1 x2 x3 x4 x5"


命令1:xtreg y post $Xs time_dumm*, fe robust

Fixed-effects (within) regression Number of obs     = 155,907

Group variable: citycode      Number of groups  = 179

R-sq:      Obs per group:

within  = 0.5768  min =     869

between = 0.0603 avg =     871.0

overall = 0.5290    max =    871

       F(178,178)        =   .

corr(u_i, Xb)  = -0.0494      Prob > F          =  .

(Std. Err. adjusted for 179 clusters in  citycode)

              

Robust

y       Coef.   Std. Err.    t    P>t     [95% Conf.    Interval]

              

post   -.5417144   .6856645   -0.79   0.431    -1.894792     .8113628

x1    1.536516   .1579086      9.73   0.000     1.224902       1.84813

x2    4.10414   .3349533 12.25   0.000      3.44315     4.765131

x3      1.1555   .0794282      14.55   0.000     .9987576     1.312242

x4    -.118736   .0212154      -5.60   0.000    -.1606021     -.0768698

x5   -.2517194   .0316622      -7.95   0.000     -.314201     -.1892379

time_dumm1    8.470395   5.210029    1.63   0.106    -1.810977       18.75177

time_dumm2    10.16826   5.248989    1.94   0.054    -.1899973       20.52651

-----------------------------------------------------------------------------------------

命令2:reghdfe y post $Xs, a(i.citycode i.time) vce(r)

HDFE Linear regression Number of obs   =     155,907

Absorbing 2 HDFE groups   F(   6, 154852) = 5607.45

       Prob > F        =      0.0000

       R-squared       =     0.6117

       Adj R-squared   =      0.6090

       Within R-sq.    =       0.2034

       Root MSE        =    18.5461

              

Robust

y       Coef.   Std. Err.    t    P>t     [95% Conf.    Interval]

              

post   -.5417144   .1704096   -3.18   0.001    -.8757137     -.2077152

x1    1.536516   .0174372      88.12   0.000      1.50234     1.570693

x2     4.10414   .0825585      49.71   0.000     3.942327     4.265953

x3      1.1555    .021558      53.60   0.000     1.113247     1.197753

x4    -.118736   .0080693      -14.71   0.000    -.1345516   -.1029203

x5   -.2517194   .0055379      -45.45   0.000    -.2625735   -.2408653

_cons    39.97914   .5821983 68.67   0.000     38.83804     41.12024

              

Absorbed degrees of freedom:

      

Absorbed FE  Categories  - Redundant  = Num. Coefs

       -

citycode        179                      0                 179     

time        871                            1                 870   
---------------------------------------------------------------------
命令3:reg y post $Xs i.citycode i.time,robust

Linear regression                Number of obs     = 155,907

                     F(1054, 154852)   =   257.19

                     Prob > F          =  0.0000

                     R-squared         = 0.6117

                     Root MSE          = 18.546

                           

       Robust

y      Coef. Std. Err.  t      P>t     [95% Conf.      Interval]

                           

post   -.5417144 .1704096 -3.18      0.001    -.8757137    -.2077152

x1    1.536516    .0174372 88.12      0.000      1.50234    1.570693

x2     4.10414    .0825585 49.71      0.000     3.942327    4.265953

x3      1.1555    .021558  53.60      0.000     1.113247    1.197753

x4    -.118736    .0080693 -14.71    0.000    -.1345516    -.1029203

x5   -.2517194    .0055379 -45.45    0.000    -.2625735    -.2408653  

---------------------------------------------------------------------------------------

多期双重差分，使用第一个命令post不显著，使用第二第三个命令post显著，但三个命令的回归系数均一致，请问这三个命令有何差异，选择哪一个命令合适？

谢谢各位老师解答。