企业数据使用固定效应模型

在企业层面使用固定效应模型（FE）前，先确认三件事：

1. 数据必须是“企业 i × 时间 t”的面板（每个企业至少 2 期）；
2. 你想剔除的是“不随时间变、但随企业异质”的混淆因子（如老板能力、地理位置、行业属性）；
3. 核心解释变量在企业内必须有足够变异（within variation），否则 FE 估计不出来。

下面给出一条 Stata 完整流水线，从检验 → 估计 → 检验 → 结果汇报，全部一条命令不落。

一、数据预处理

* 0. 设面板
xtset firm_id year, yearly   // firm_id 是字符串要先 encode

* 1. 查 within 变异
xtsum x y controls

看 x 的 Within SD 是否 > 0；若接近 0，FE 没法做，直接改用 RE 或 POLS。

二、基准估计（三种写法等价）

* 法 1：官方 xtreg
xtreg y x controls, fe robust        // 最常用

* 法 2：吸收哑变量（快）
reghdfe y x controls, absorb(firm_id) vce(cluster firm_id)

* 法 3：LSDV 显式哑变量（可导出 R²）
areg y x controls, absorb(firm_id) vce(cluster firm_id)

• 结果窗口第一行 F test that all u_i=0 的 p 值 < 0.01 ⇒ 企业 FE 显著存在，POLS 无效。
• 报告时只给 within-R²（xtreg 右上角），不要给 overall R²。

三、严格诊断

1. 序列相关

xtserial y x controls      // Wooldridge 检验

p < 0.1 ⇒ 加 cluster(firm_id) 或改用 Driscoll-Kraay 标准误。

2. 异方差

xttest3                    // modified Wald

若拒绝原假设，用 vce(robust) 或 vce(cluster firm_id) 已足够。

3. 弱工具（若做 IV-FE）

xtivreg2 y controls (x = z), fe ffirst

看 F stat > 10 才可继续。

四、结果输出模板

eststo fe1: xtreg y x controls, fe
eststo fe2: xtreg y x controls, fe vce(cluster firm_id)
esttab fe1 fe2, se star(* 0.1 ** 0.05 *** 0.01) ///
       stats(r2_w N firms, fmt(3 0 0)) label

论文正文只汇报第 2 列（聚类稳健），within-R² 放在脚注。

五、常见坑

1. 随时间不变的变量（行业、省份、股权性质）会被 FE 吃掉，系数显示“omitted”；若想保留，用：

   • 交互 FE：reghdfe y x##c.industry_trend, absorb(firm_id year)
   • 或 Correlated Random Effects（CRE）：xtreg y x w w_bar controls, re

2. T 很小（<5）时，cluster(firm_id) 偏差大，可：

   • 双向聚类 vce(cluster firm_id year)
   • 或用 bootstrap 50 次

3. 政策冲击变量只在年份层面变化，FE 会把它与 year FE 完全共线；此时用

   • reghdfe y x post##treat, absorb(firm_id year) （DID-FE 混合）
   • 或 xtreg y x i.year, fe 把政策变量放到 i.year 后面

一句话
企业面板 → 先 xtset → xtreg ..., fe vce(cluster firm_id) → 汇报 within-R² 和 Wooldridge 检验；
只要核心变量在企业内有变异，固定效应就能干净地把“企业不随时间变”的所有混淆扫进暗格里。