（来源：小鱼量化）

跑实证这件事，最难的不是"不会写"，而是"跑不通"。

数据导不进来、代码报错、结果不显著、稳健性补不上——这四件事卡住了绝大多数人。我把这些年带人做实证时最常遇到的 18 个问题整理成清单，按"报错原文—原因—怎么修"三段式排列。

建议收藏。卡住的时候按顺序对一遍，大部分问题都能自己解决。

说明一下：本文以 Stata 为主讲解。SPSS 用户遇到同类问题，思路是一致的——数据没洗干净、量纲没对齐、变量类型设错，这三个原因在两个软件里占了绝大多数。

一、数据导入与面板设定

01 repeated time values within panel

原因：同一只股票、同一年有两条以上记录。多半是数据源里有重复行，或者合并时产生了笛卡尔积。

怎么修：先看有多少条重复，再决定是直接删还是人工挑。

duplicates report code year duplicates list code year duplicates drop code year, force

如果要保留某一条，别急着 force，先 browse 看清楚哪条是对的。

02 年份是字符串，xtset 直接失败

原因：从 Excel 或 CSV 导入时，年份被识别成文本。

怎么修：

destring year, replace force

如果年份里混了"2020年"这类字符，destring 会失败，改用：

gen y = real(substr(year, 1, 4))

然后用 y 做时间维度。

03 股票代码带小数点或后缀，匹配不上

原因：000001.SZ 和 000001 是两个东西；从 Excel 导入还可能变成 1。

怎么修：统一截取六位数字。

gen code2 = real(substr(code, 1, 6))

两边都用 code2 做匹配键。

04 变量名和标签全是乱码

原因：Stata 13 及以前读取 UTF-8 编码的中文会乱。

怎么修：先备份原文件，再转码。

unicode analyze _all unicode translate _all

这一步不可逆，务必先复制一份 dta 文件。

05 merge 之后一大堆没匹配上

原因：匹配键类型不一致（一个是字符串一个是数字），或者键里有空格、前导零。

怎么修：先看匹配结果分布。

tab _merge

大量 _merge==1 或 ==2 说明键有问题。检查两边的键是不是同一类型：

describe code year

修正后重新合并，并清理：

dropif _merge != 3drop _merge

注意：_merge 不删掉，下次再 merge 会报 variable already defined。

06 回归直接提示 no observations

原因：if 条件太严，或者某个关键变量全是缺失值，样本被清空了。

怎么修：逐级数样本。

countcountif !missing(ret)countif !missing(ret, divyield)countif !missing(ret, divyield, size)

数到哪一级突然变 0，问题就在那个变量上。

二、回归跑不通

07 variable already defined

原因：重复跑同一段代码，变量已经存在了。

怎么修：两种办法。

capture drop d3gen d3 = ...

或者在改代码时用 replace 代替 gen，这样反复跑也不会报错。

08 omitted due to collinearity

原因：变量之间完全共线。常见情况是同时放了 size 和它的对数，或者在 xtreg, fe 里放了不随时间变化的变量。

怎么修：去掉冗余变量。

这里有个关键点：xtreg, fe 会自动吸收个体层面不随时间变化的 everything。行业属性、公司注册地、性别这类变量放进去，要么被剔除，要么系数没法解释——不是 bug，是固定效应的数学性质决定的。

09 聚类数太少，标准误不可信

原因：vce(cluster code) 要求聚类组数足够（经验上至少 30-40 组）。组数太少，聚类标准误会严重低估。

怎么修：换聚类层级，或者改用稳健标准误。

vce(robust)

论文里必须说明为什么这么选，别闷头改。

10 factor variables not allowed

原因：Stata 11 以前不支持 i.year 这种因子变量写法。

怎么修：手动生成年度哑变量。

tab year, gen(yd)

再把 yd2 到 yd10 放进回归（留一个做基准组）。

11 reghdfe 装不上或一跑就报错

原因：依赖包 ftools 缺失或版本不匹配，这是 reghdfe 最常见的坑。

怎么修：两个一起重装，顺序不能反。

sscinstall ftools, replacesscinstallreghdfe, replace

还不行就先卸载再装：

ado uninstall reghdfeado uninstall ftools

然后重装。

12 matsize too small 或内存不足

原因：变量太多，或者样本量太大超出默认矩阵上限。

怎么修：

set matsize 800set max_memory 4g

Stata 14 以前的版本用 set memory 而不是 set max_memory。

13 esttab 提示 last estimates not found

原因：前面的回归失败了，estimates store 根本没存上。

怎么修：确认回归成功输出后再存。建议在每段回归后立刻：

estimates store m1estimates dir

estimates dir 能列出来就说明存上了。

三、结果不对劲

14 系数大得离谱

原因：量纲问题。股息率是 0.04（小数）还是 4（百分数），差 100 倍。

怎么修：先看描述性统计确认量纲。

summarize divyield, detail

判据：如果系数大到暗示"股息率每提高 1 个百分点，收益提高 3 个百分点"，那基本可以肯定是量纲错了——这个幅度不合常理。

15 全部不显著

按顺序排查这五项：

1. 样本量够不够（几十个观测很难显著）

2. 有没有极端值（先做缩尾）

3. 标准误设定对不对（有没有聚类）

4. 变量定义是否真的对应你的理论

5. 可能真的没有关系

最后一条要说实话。 为了显著而反复改模型设定，是 p-hacking，盲审专家一眼能看出来。

16 稳健性一做就不显著

原因：基准结果本来就脆弱，换个设定就站不住。

怎么修：如实报告。这比硬凑一个显著结果强得多。

论文里可以讨论"为什么在这个设定下不成立"——这本身是有价值的信息，也是审稿人更愿意看到的诚实。

17 R² 高得离谱（超过 0.9）

原因：多半是把被解释变量自己（或它的滞后项）放进了解释变量。

怎么修：逐个检查控制变量，尤其注意有没有 L.ret 这类变量出现在控制变量里。

四、结果输出

18 esttab 导出 RTF 后中文乱码

原因：RTF 编码与 Word 不兼容。

怎么修：改导 CSV，再用 Excel 排成三线表。

esttab m1 m2 m3 using "res.csv", ///  replace b(%6.3f) se(%6.3f) ///  star(* 0.1 ** 0.05 *** 0.01)

CSV 在 Excel 里打开不会乱码，手动加边框就是标准三线表。

最后一句

这 18 条里，真正卡人的往往不是代码本身，而是数据没洗干净和量纲没对齐。

跑回归之前，多花十分钟做描述性统计，能省掉后面两小时的调试。