Oster（2017）的系数稳定性检验，在 Stata 里一直靠 Emily Oster 的 psacalc 实现，由 SSC 提供。SSC 那一版（2020 年 10 月 22 日）支持 regress、areg 与 xtreg，但不认 reghdfe。而做多维固定效应的实证研究，reghdfe 几乎是默认工具，于是这条链断在了最常用的地方。

这个仓库就是一个补丁：作者 Arthur Howard Morris 复制了 SSC 版的 psacalc.ado，改名 psacalc2，让它认 reghdfe。仓库里只有两个文件，一是说明，二是 634 行的 psacalc2.ado。

psacalc 的核心是拿"不受控"与"受控"两个回归的系数与 R，反推遗漏变量要有多强才能把结果解释掉。它需要从回归结果里读出控制变量与固定效应的信息。reghdfe 把这些信息放在不同的返回项里：吸收掉的固定效应在 e(absvars)，聚类变量在 e(clustvar)，还要额外的 residuals 选项才能支持 predict。补丁做的就是这几处适配。

作者在说明里写清了前提：他的修改建立在一个假设上，即 areg 与 reghdfe 算出的 R 可以互相比较；他同时提醒，任何估计软件都该先验证它确实按你以为的方式在算。这句话不是客套，Oster 方法对 R 的口径很敏感。

两个文件（psacalc2.ado 与 README.md）里，真正要装的是 ado。把它放到 Stata 的 ado 路径下（个人 ado 目录即可），命令名就是 psacalc2。

语法是 psacalc2 后接类型与处理变量，再跟选项：

psacalc2 delta x1

psacalc2 beta x1, rmax(1.
3) delta
(2)

它必须在一次线性回归之后运行，或者在选项里用 model() 指定完整回归。如果之前没有估计结果，会直接报"Previous estimation results not found"。

mcontrol() 指定"不相关控制变量"，也就是你不想当作受控变量、而是当作冗余项处理的那几个。这在 Oster 方法里对应"只保留部分控制变量"的用法。

mcontrolFE() 是补丁新增的，允许把 reghdfe 吸收掉的固定效应整体当作冗余项，这样处理效应与选择程度就只基于固定效应来算。

rmax() 是最大可能 R，默认 1.0。代码里卡了两道：超过 1 直接报 The maximum possible R-squared is 1，低于受控回归的 R 也会报错。所以实务中要先把受控 R 读出来，再决定给多大的上限。

delta() 与 beta() 分别对应两种提问方式下的输入，默认值分别是 1 与 0。

第一种是 delta 型：给定 rmax 与 delta，报告系数边界估计。输出叫"Bound Estimate"，给出一个 delta 值，配两张输入表：不受控与受控回归的系数与 R，以及 R_max、Delta、冗余控制变量三项。

第二种是 beta 型：给定 delta 与 rmax，反推在此选择强度下的系数，并给出与受控系数的平方差以及偏误方向。输出表有三行：Beta、Alt. sol.
1、Alt. sol. 2，后两行是备选解。原因在代码里：当 delta 不等于 1 时，方程是三次的，解可能不止一个（代码调用 dnot1cubsol 解三次方程），所以命令会返回多个根，并用 r(root_count) 告诉你解的数量。

返回项可以直接在后续计算里用：r(beta)、r(dist)、r(altsol1)、r(altdist1)、r(altsol2)、r(altdist2)、r(root_count)、r(delta)。

代码里有十余处显式报错，等于一份使用约束清单：

变量给多了（超过两个）会报 Too many variables；之前没有估计结果报 301；模型没有常数项、既无控制变量也无被当作控制的固定效应、不是线性回归（例如跑完 logit 再用）、xtreg 只允许 fe 与 be、rmax 大于
1、rmax 小于受控 R、类型不是 beta 或 delta、指定的处理变量不在模型里或不是自变量、mcontrol 里列了与模型无关的控制变量、把处理变量本身写进 mcontrol。

这些错误的措辞都挺直白，照着改基本能定位问题。真正需要留意的是"不是线性回归"与"xtreg 只允许 fe 与 be"这两条，它们决定了这个方法只能用在设定干净的线性模型上。

README 的未来工作里写着：让 psacalc 把 reghdfe 吸收的固定效应当冗余项。而代码里的 mcontrolFE 已经能处理一部分，两处表述不完全一致，用之前最好自己跑一遍验证结果是否符合预期。

方法层面也有边界。Oster 方法本身依赖"可观测与不可观测选择成比例"的假设，delta 与 rmax 的取值带有研究者判断，结果应作为稳健性证据，而不是点估计的替代。

第一，运行需要合法的 Stata 授权。这是本批材料里唯一需要在软件上付费的一环，仓库本身免费，但没有 Stata 就跑不起来；如果你所在机构已有授权，直接用即可。

第二，仓库没有 LICENSE 文件，README 也没写许可条款，而它本身是对 SSC 版 psacalc 的修改版，原作者是 Emily Oster。这意味着可以读、可以自己下载使用，但整包再分发或写进商业培训材料并不合适。

第三，方法引用与代码引用要分开写：方法引 Oster（2017）发表在 Journal of Business Economics and Statistics 的那篇，代码引这个仓库与 SSC 的 psacalc，并注明你用的是修改版 psacalc2。

仓库与 ado 文件的直达地址、完整语法与六个选项、返回项与报错清单原文、Oster 原文 DOI 与 SSC 安装方式，回复本帖即可见。