awesome-econ-ai-stuff 是面向经济学者的开源 AI 技能集合，其 stata-regression 技能 能帮你在 Stata 中快速完成带固定效应（fixed effects）和聚类标准误（clustered standard errors）的回归分析，并直接导出可发表的回归表格。本文带你快速上手这个技能，告别重复写 do-file 的烦恼 🚀

awesome-econ-ai-stuff 是什么？

简单说，它把经济学家日常研究流程拆成一个个"技能"（Skill），每个技能遵循开放的 SKILL.md 标准，可以直接被 Claude Code、Cursor、Gemini CLI 等 AI 编码工具调用。

技能按研究阶段组织：💡 选题 → 📚 文献综述 → 📐 理论建模 → 📊 数据管理 → 🔬 计量分析 → 📝 学术写作 → 🎯 汇报展示，覆盖完整的研究闭环。

stata-regression 技能的三步工作流

这个技能的核心价值在于：它不只是生成一段代码，而是内置了一套可复现的回归分析流程（详见 SKILL.md）：

1. 理解背景（Step 1）——在写代码前先问清四个关键问题：

   • 因变量和核心解释变量是什么？
   • 需要哪些控制变量和固定效应？
   • 标准误应该在哪个层面聚类？
   • 结果要导出成什么格式（LaTeX、Word 还是 CSV）？

2. 生成代码（Step 2）——自动按四步生成 Stata 代码：加载并检查数据 → 运行指定模型 → 添加稳健或聚类标准误 → 导出表格

3. 验证与解释（Step 3）——说明每个模型估计了什么、高亮假设与诊断项，并给出稳健性检验建议

如何用一句话触发回归分析？

装好技能后，你只需像下指令一样说话，例如：

• "Run OLS with firm and year fixed effects, clustering by firm"（跑带企业和年份固定效应、按企业聚类的 OLS）
• "Create a regression table with three specifications"（生成含三个设定的回归表）

技能生成的典型代码骨架如下，固定效应与聚类标准误一次配齐：

* 主回归：按企业聚类 regress y x1 x2 x3, vce(cluster firm_id) eststo model1 * 高维固定效应设定 reghdfe y x1 x2 x3, absorb(firm_id year) vce(cluster firm_id) eststo model2 * 一键导出 LaTeX 表格 esttab model1 model2 using "results/regression_table.tex", replace se label

环境依赖：两个 ssc 命令搞定

技能要求Stata 17+，另需两个常用包：

模型命令按设计选择：普通设定用regress，面板设定用xtreg，高维固定效应用reghdfe——技能会根据你的问题自动匹配。

避免三大常见错误

技能的"Common Pitfalls"部分总结了新手最常踩的坑 ⚠️：

• 聚类层级不对——标准误应在"处理变量变化的层面"聚类，而不是随便聚个个体 id
• 漏掉固定效应——设计要求的固定效应不能省，否则估计有偏
• 表格缺少标注——导出表格时务必带清晰的变量标签和注释

对应的最佳实践也很直接：标准误要匹配研究设计、报告所有模型变体、记录变量定义与变换方式。

把技能装进你的 AI 工具

三步完成安装（以 Claude Code 为例）：

git clone https://gitcode.com/gh_mirrors/aw/awesome-econ-ai-stuff mkdir -p ~/.claude/skills cp -r awesome-econ-ai-stuff/_skills/analysis/stata-regression ~/.claude/skills/

其他工具只需换目标目录（如 Cursor 用~/.cursor/skills/），工具对照表见 README.md。更多安装与贡献细节可参考 CONTRIBUTING.md。

延伸：串起完整研究流程

stata-regression 不是孤立的，配合仓库里的其他技能可以串起完整管线：

• 数据清洗：stata-data-cleaning 技能——处理缺失值、重复值，产出干净面板数据
• 交叉验证：python-panel-data 或 r-econometrics 技能用 Python / R 复现结果
• 表格美化：latex-tables 技能 生成期刊级 LaTeX 表格

从清洗到回归再到成文，一套技能全搞定——这就是 AI 技能化工作流的魅力 ✨