这是不加robust 和 cluster的结果
reg lnggdp did lnpgdp lnfdl lnop lnis lntc lnpop i.year i.province . reg lnggdp did lnpgdp lnfdl lnop lnis lntc lnpop i.year i.province
      Source |       SS           df       MS      Number of obs   =       330
-------------+----------------------------------   F(46, 283)      =    159.41
       Model |  206.478606        46  4.48866534   Prob > F        =    0.0000
    Residual |  7.96851467       283  .028157296   R-squared       =    0.9628
-------------+----------------------------------   Adj R-squared   =    0.9568
       Total |   214.44712       329  .651814955   Root MSE        =     .1678


------------------------------------------------------------------------------
      lnggdp | Coefficient  Std. err.      t    P>|t|     [95% conf. interval]
-------------+----------------------------------------------------------------
         did |   .3125367   .0501788     6.23   0.000     .2137656    .4113077
      lnpgdp |    .378234    .119347     3.17   0.002     .1433135    .6131544
       lnfdl |   .0730837   .0226938     3.22   0.001     .0284137    .1177537
        lnop |   .0561743   .0457679     1.23   0.221    -.0339145     .146263
        lnis |  -.1843417    .213466    -0.86   0.389    -.6045243    .2358408
        lntc |   .0507554   .0411313     1.23   0.218    -.0302068    .1317175
       lnpop |   1.757959   .3548498     4.95   0.000     1.059479    2.456439




xtreg lnggdp did lnpgdp lnfdl lnop lnis lntc lnpop i.year , fe
. xtreg lnggdp did lnpgdp lnfdl lnop lnis lntc lnpop i.year , fe


Fixed-effects (within) regression               Number of obs     =        330
Group variable: province                        Number of groups  =         30


R-squared:                                      Obs per group:
     Within  = 0.8045                                         min =         11
     Between = 0.0183                                         avg =       11.0
     Overall = 0.0463                                         max =         11


                                                F(17, 283)        =      68.51
corr(u_i, Xb) = -0.8176                         Prob > F          =     0.0000


------------------------------------------------------------------------------
      lnggdp | Coefficient  Std. err.      t    P>|t|     [95% conf. interval]
-------------+----------------------------------------------------------------
         did |   .3125367   .0501788     6.23   0.000     .2137656    .4113077
      lnpgdp |    .378234    .119347     3.17   0.002     .1433135    .6131544
       lnfdl |   .0730837   .0226938     3.22   0.001     .0284137    .1177537
        lnop |   .0561743   .0457679     1.23   0.221    -.0339145     .146263
        lnis |  -.1843417    .213466    -0.86   0.389    -.6045243    .2358408
        lntc |   .0507554   .0411313     1.23   0.218    -.0302068    .1317175
       lnpop |   1.757959   .3548498     4.95   0.000     1.059479    2.456439


可以看出不加robust和cluster，控制个体和时间，reg和xtreg系数一样，标准误也一样
下面是加入robust和cluster id
reg lnggdp did lnpgdp lnfdl lnop lnis lntc lnpop i.year i.province,vce(cluster province)
. reg lnggdp did lnpgdp lnfdl lnop lnis lntc lnpop i.year i.province,vce(cluster province)


Linear regression                               Number of obs     =        330
                                                F(16, 29)         =          .
                                                Prob > F          =          .
                                                R-squared         =     0.9628
                                                Root MSE          =      .1678


                              (Std. err. adjusted for 30 clusters in province)
------------------------------------------------------------------------------
             |               Robust
      lnggdp | Coefficient  std. err.      t    P>|t|     [95% conf. interval]
-------------+----------------------------------------------------------------
         did |   .3125367   .0875221     3.57   0.001     .1335339    .4915394
      lnpgdp |    .378234    .111944     3.38   0.002     .1492827    .6071852
       lnfdl |   .0730837   .0446092     1.64   0.112    -.0181524    .1643198
        lnop |   .0561743   .0642492     0.87   0.389    -.0752302    .1875787
        lnis |  -.1843417   .3037372    -0.61   0.549     -.805554    .4368706
        lntc |   .0507554   .0784388     0.65   0.523      -.10967    .2111807
       lnpop |   1.757959   .7755459     2.27   0.031       .17179    3.344129


xtreg lnggdp did lnpgdp lnfdl lnop lnis lntc lnpop i.year , fe robust
. xtreg lnggdp did lnpgdp lnfdl lnop lnis lntc lnpop i.year , fe robust


Fixed-effects (within) regression               Number of obs     =        330
Group variable: province                        Number of groups  =         30


R-squared:                                      Obs per group:
     Within  = 0.8045                                         min =         11
     Between = 0.0183                                         avg =       11.0
     Overall = 0.0463                                         max =         11


                                                F(17, 29)         =      86.73
corr(u_i, Xb) = -0.8176                         Prob > F          =     0.0000


                              (Std. err. adjusted for 30 clusters in province)
------------------------------------------------------------------------------
             |               Robust
      lnggdp | Coefficient  std. err.      t    P>|t|     [95% conf. interval]
-------------+----------------------------------------------------------------
         did |   .3125367   .0833553     3.75   0.001     .1420558    .4830175
      lnpgdp |    .378234   .1066146     3.55   0.001     .1601825    .5962854
       lnfdl |   .0730837   .0424855     1.72   0.096    -.0138089    .1599763
        lnop |   .0561743   .0611905     0.92   0.366    -.0689744    .1813229
        lnis |  -.1843417    .289277    -0.64   0.529    -.7759796    .4072961
        lntc |   .0507554   .0747045     0.68   0.502    -.1020326    .2035433
       lnpop |   1.757959    .738624     2.38   0.024     .2473037    3.268615


可以看到系数是相同的但是标准误却不一样了，但是我知道xtreg 的robust是cluster 到province层次的，我也手动调整了reg 喂cluster province，为什么还是标准误不一样？？？不应该两者等价了吗？