Jones模型分行业分年度的截面数据用statsby保存系数时有几个出现缺失值，但是当单独回归时是没有问题的
65. |        P   2008           .           .           .          .          .          .          . |
     |-------------------------------------------------------------------------------------------------|
66. |        P   2009           .           .           .          .          .          .          . |
67. |        P   2010           .           .           .          .          .          .          . |
68. |        P   2011           .           .           .          .          .          .          . |
69. |        Q   2009           .           .           .          .          .          .          . |
70. |        Q   2010           .           .           .          .          .          .          . |
     |-------------------------------------------------------------------------------------------------|
71. |        Q   2011           .           .           .          .          .          .          . |
72. |        R   2008   -8.38e+07    .2177303    .0301719   1.87e+07   .0261004   .0968178   .9882135 |
73. |        R   2009           0   -.3918916     .188719          0   .2667421   .1767955   .5412533 |



单个回归


. reg  gaa_w a_w reva_w ppea_w if g==66, noconstant

      Source |       SS       df       MS              Number of obs =      59
-------------+------------------------------           F(  3,    56) =   18.25
       Model |  .214442505     3  .071480835           Prob > F      =  0.0000
    Residual |  .219376708    56  .003917441           R-squared     =  0.4943
-------------+------------------------------           Adj R-squared =  0.4672
       Total |  .433819214    59  .007352868           Root MSE      =  .06259

------------------------------------------------------------------------------
       gaa_w |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
         a_w |   1.15e+07   2.18e+07     0.53   0.599    -3.21e+07    5.52e+07
      reva_w |   -.125439   .0305213    -4.11   0.000    -.1865805   -.0642975
      ppea_w |  -.0569351   .0182956    -3.11   0.003    -.0935857   -.0202845
------------------------------------------------------------------------------


另外使用过上述方法与使用下面个两种方法是不是等价的呢
方法2
reg y (industry#year)##c.x*
predict yp
predict e,r

*生成各回归的系数及其标准差、t值、p值，拟合优度r2：
statsby _b _se r2=e(r2) n=e(df_r),clear by(industry year): reg y x*
foreach v of var _b*{
loc s=substr("`v'",4,.)
g _t_`s'=`v'/_se_`s'
g _p_`s'=ttail(_eq2_n, abs(_t_`s'))*2
}
方法三使用forvalues 函数