求助！reghdfe和i.的参数估计符号相反

如下图所示，大样本面板数据估计，用reghdfe吸收行业固定效应，和用i.indu控制行业个体效应，参数估计值相反，请问是什么原因？

只有你知道命令背后的计量经济学理论才不会出错。
上面的结果就是一样的

根据你提供的结果，xtset indu year之后，再用xtreg估计，预期xtreg与reghdfe的结果相同

你的面板变量是什么，从你的这两个命令看是有问题的，你的这两个命令并不等价

1. . sysuse nlswork
   
2. (National Longitudinal Survey.  Young Women 14-26 years of age in 1968)
   
3. 
   
4. . xtset idcode year
   
5.        panel variable:  idcode (unbalanced)
   
6.         time variable:  year, 68 to 88, but with gaps
   
7.                 delta:  1 unit
   
8. 
   
9. .
   
10. . reghdfe ln_w  age ttl_exp tenure not_smsa south , absorb(occ idcode)
    
11. (dropped 546 singleton observations)
    
12. (converged in 14 iterations)
    
13. 
    
14. HDFE Linear regression                            Number of obs   =     27,427
    
15. Absorbing 2 HDFE groups                           F(   5,  23269) =     709.27
    
16.                                                   Prob > F        =     0.0000
    
17.                                                   R-squared       =     0.6939
    
18.                                                   Adj R-squared   =     0.6392
    
19.                                                   Within R-sq.    =     0.1323
    
20.                                                   Root MSE        =     0.2859
    
21. 
    
22. ------------------------------------------------------------------------------
    
23.      ln_wage |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
    
24. -------------+----------------------------------------------------------------
    
25.          age |  -.0032235    .000841    -3.83   0.000    -.0048719   -.0015752
    
26.      ttl_exp |    .027578   .0014111    19.54   0.000     .0248122    .0303439
    
27.       tenure |   .0104853   .0008985    11.67   0.000     .0087242    .0122463
    
28.     not_smsa |  -.0946755   .0093996   -10.07   0.000    -.1130993   -.0762517
    
29.        south |  -.0588681   .0107785    -5.46   0.000    -.0799946   -.0377416
    
30. -------------+----------------------------------------------------------------
    
31.     Absorbed |    F(4152, 23269) =      7.924   0.000             (Joint test)
    
32. ------------------------------------------------------------------------------
    
33. 
    
34. Absorbed degrees of freedom:
    
35. ---------------------------------------------------------------+
    
36. Absorbed FE |  Num. Coefs.  =   Categories  -   Redundant     |
    
37. -------------+-------------------------------------------------|
    
38.     occ_code |           13              13              0     |
    
39.       idcode |         4140            4141              1     |
    
40. ---------------------------------------------------------------+
    
41. 
    
42. . xtreg   ln_w  age ttl_exp tenure not_smsa south i.occ, fe
    
43. 
    
44. Fixed-effects (within) regression               Number of obs     =     27,973
    
45. Group variable: idcode                          Number of groups  =      4,687
    
46. 
    
47. R-sq:                                           Obs per group:
    
48.      within  = 0.2002                                         min =          1
    
49.      between = 0.4925                                         avg =        6.0
    
50.      overall = 0.3598                                         max =         15
    
51. 
    
52.                                                 F(17,23269)       =     342.65
    
53. corr(u_i, Xb)  = 0.2944                         Prob > F          =     0.0000
    
54. 
    
55. ------------------------------------------------------------------------------
    
56.      ln_wage |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
    
57. -------------+----------------------------------------------------------------
    
58.          age |  -.0032235    .000841    -3.83   0.000    -.0048719   -.0015752
    
59.      ttl_exp |    .027578   .0014111    19.54   0.000     .0248122    .0303439
    
60.       tenure |   .0104853   .0008985    11.67   0.000     .0087242    .0122463
    
61.     not_smsa |  -.0946755   .0093996   -10.07   0.000    -.1130993   -.0762517
    
62.        south |  -.0588681   .0107785    -5.46   0.000    -.0799946   -.0377416
    
63.              |
    
64.     occ_code |
    
65.           2  |  -.0208813   .0129721    -1.61   0.107    -.0463075    .0045448
    
66.           3  |  -.1130075   .0103287   -10.94   0.000    -.1332524   -.0927625
    
67.           4  |  -.1828821    .013811   -13.24   0.000    -.2099525   -.1558117
    
68.           5  |  -.0303278   .0200181    -1.52   0.130    -.0695646     .008909
    
69.           6  |  -.0499367   .0127236    -3.92   0.000    -.0748759   -.0249976
    
70.           7  |  -.5928251   .0194493   -30.48   0.000    -.6309471   -.5547032
    
71.           8  |  -.2305323   .0118063   -19.53   0.000    -.2536733   -.2073912
    
72.           9  |   .3232864    .154178     2.10   0.036     .0210873    .6254854
    
73.          10  |  -.2969045   .0366782    -8.09   0.000    -.3687962   -.2250129
    
74.          11  |  -.0281224   .0264975    -1.06   0.289    -.0800592    .0238144
    
75.          12  |  -.1381741   .1182785    -1.17   0.243    -.3700078    .0936596
    
76.          13  |  -.0230387   .0179607    -1.28   0.200    -.0582429    .0121656
    
77.              |
    
78.        _cons |    1.72762   .0202871    85.16   0.000     1.687856    1.767384
    
79. -------------+----------------------------------------------------------------
    
80.      sigma_u |  .32615668
    
81.      sigma_e |  .28589422
    
82.          rho |  .56549942   (fraction of variance due to u_i)
    
83. ------------------------------------------------------------------------------
    
84. F test that all u_i=0: F(4686, 23269) = 4.95                 Prob > F = 0.0000

复制代码

蓝色 发表于 2020-7-2 07:36

谢谢 还是我自己没弄清楚

蓝色 发表于 2020-7-2 07:36

你好，麻烦请问，reghdfe和xtreg的样本量和R2并不相同，是否要紧？
汇报结果时应该参照哪一个更合理呢？
因为我看这个回复中的结果也出现了这个问题 所以想问一下~

蓝色 发表于 2020-7-2 07:36

抱歉挖坟了，请问老师，如果我想这里显示occ_code=1时的结果，要如何设置呢？