技能介绍

解决什么问题

拿到经济或政策数据后，直接跑回归很容易把统计显著当成因果结论，或者忽略模型设定与识别假设。计量经济学及 Stata 应用 的作用不是替研究者做判断，而是把常见计量任务拆成可检查的步骤：明确研究问题、选择估计量、写出 Stata 命令、解释系数与标准误，并说明这些结果在什么条件下成立。

核心能力与工作流程

识别研究问题：区分描述性分析、预测、因果推断与政策评估，先确认被解释变量、核心解释变量和需要控制的混杂因素。
匹配模型与命令：根据数据结构选择 regress、xtreg、reghdfe、ivreghdfe、areg、probit/logit 等命令；面板、工具变量、双重差分、断点回归需要不同的设定和检验。
生成可复现步骤：输出类似 do-file 的命令片段，包含变量处理、样本筛选、固定效应、聚类稳健标准误和保存结果，便于在 Stata 中逐步执行。
解释与诊断：解读系数符号、大小、显著性、置信区间；检查 R²、F 统计量、弱工具变量、过度识别约束、平行趋势和安慰剂检验等诊断信息。
稳健性检查：用 robust、cluster、Bootstrap、替换变量定义、剔除异常值、子样本分析和事件研究图验证结论是否脆弱。

适用边界与注意点

该技能适合已经有清晰研究设计和数据准备的场景，不能弥补识别策略缺陷。如果数据存在测量误差、样本选择、溢出效应或时间序列结构，需要先处理数据生成过程。Stata 命令的可用性、许可证、版本和外部命令安装也依赖本地环境。最终报告应同时给出估计结果、假设前提、局限性和可复现代码，而不是只给出一个“显著”或“不显著”的结论。