Stata科学调整显著性（可以解决99%的不显著）+十年实证全部代码（含连玉君最新代码） 注意：建议直接下载第一个压缩包即完整版，代码版缺少必须安装的包，如果需要包请在主页另一个显著性相关帖子单独下载。

完整版包含本人十年实证全部代码，覆盖目前99.99%的需求，而且包含连玉君老师最新课程代码，性价比之王。
示例：
         六、内生性问题解决方法（附具体模型）
*
*     （由于该种类比较多，所以以下分步骤展示）
*
*=========================================================

*=======================================
*             其一，PSM模型
*
*     由于该方法形式很多，所以以下举例
*
*=======================================
*首先，调用数据
use 主回归数据.dta,clear
*生成解释变量的虚拟变量形式，如下
bys year Industry:egen PLD_RATE1_meidan=median(PLD_RATE1)
gen ifPLD_RATE1 = (PLD_RATE1>= PLD_RATE1_meidan) if !missing(PLD_RATE1)

*=================================================
*    PSM1————近邻匹配 使用最近邻匹配1:1原则
*=================================================
psmatch2  ifPLD_RATE1（解释变量的虚拟变量形式）  匹配变量 ,outcome(被解释变量) logit neighbor(1) common ate ties  
* 匹配效果检验
pstest, both
* 核密度图
* 匹配前
tw (kdensity _pscore if  _treat==0)(kdensity _pscore if _treat==1)
graph export 匹配前.png, as(png) replace
* 匹配后
tw (kdensity _pscore if  _treat==0 & _wei!=.) (kdensity _pscore if _treat==1  & _wei!=.)
graph export 匹配后.png, as(png) replace

* 匹配后基本回归结果

xi:reg 被解释变量 解释变量 控制变量  i.indcd i.year if _weight!=.
est store a2
esttab  a2  using PSM结果1即近邻匹配.rtf,replace b(%6.4f) t(%6.4f) ar2 nogaps star(* 0.1 ** 0.05 *** 0.01)

*=================================================
*                  PSM2- 核匹配
*=================================================
*首先，调用数据
use 主回归数据.dta,clear
*生成解释变量的虚拟变量形式，如下
bys year Industry:egen PLD_RATE1_meidan=median(PLD_RATE1)
gen ifPLD_RATE1 = (PLD_RATE1>= PLD_RATE1_meidan) if !missing(PLD_RATE1)

psmatch2  ifPLD_RATE1（解释变量的虚拟变量形式） 匹配变量 ,outcome(被解释变量) logit kernel  common ate ties

* 匹配后基本回归结果

xi:reg 被解释变量 解释变量 控制变量 i.indcd i.year if _weight!=.
est store a2
esttab  a2  using PSM结果2即核匹配.rtf,replace b(%6.4f) t(%6.4f) ar2 nogaps star(* 0.1 ** 0.05 *** 0.01)

*=================================================
*               PSM匹配3-半径匹配
*=================================================
*首先，调用数据
use 主回归数据.dta,clear
*生成解释变量的虚拟变量形式，如下
bys year Industry:egen PLD_RATE1_meidan=median(PLD_RATE1)
gen ifPLD_RATE1 = (PLD_RATE1>= PLD_RATE1_meidan) if !missing(PLD_RATE1)

psmatch2  ifPLD_RATE1（解释变量的虚拟变量形式） 匹配变量 ,outcome(被解释变量) logit common  radius caliper(.01)  ate ties

* 匹配后基本回归结果

xi:reg 被解释变量 解释变量 控制变量 i.indcd i.year if _weight!=.
est store a2
esttab  a2  using PSM结果3即半径匹配.rtf,replace b(%6.4f) t(%6.4f) ar2 nogaps star(* 0.1 ** 0.05 *** 0.01)

*=======================================
*
*          其二，滞后期模型
*
*=======================================
*被解释变量滞后期
tsset stkcd year
xi:reg F.被解释变量 解释变量 控制变量1 控制变量2  i.year i.industry
est store a1
esttab  a1  using 滞后期回归结果1.rtf,replace nogap ar2 b(%6.4f) t(%6.4f) star(* 0.1 ** 0.05 *** 0.01)  
*解释变量滞后期
tsset stkcd year
xi:reg 被解释变量 L.解释变量 控制变量1 控制变量2  i.year i.industry
est store a1
esttab  a1  using 滞后期回归结果2.rtf,replace nogap ar2 b(%6.4f) t(%6.4f) star(* 0.1 ** 0.05 *** 0.01)  

*=======================================
*
*     其三，工具变量：两阶段最小二乘
*
*=======================================
ivregress 2sls y w (x1 x2 c.x1#c.x2 = z1 z2 c.z1#c.z2 )

// 其中，y是被解释变量，w是控制变量，x1 x2是内生变量，z1 z2是工具变量

*=======================================
*
*          其四，Heckman两阶段
*
*=======================================
Heckman 被解释变量 控制变量, select (D(解释变量虚拟变量) =Z(工具变量其他影响因素) X(控制变量)) twostep
*=========================================================