在Stata里实现分类变量自动生成虚拟变量并用于回归，其实有两种实用思路——手动生成虚拟变量后建模，或者直接用Stata自带的因子变量语法（更高效简洁）。下面我用NLSW数据集做示例，一步步给你演示：

第一步：数据预处理 #

先加载并整理数据，确保样本没有缺失值，只保留我们需要的变量：

clear
use http://www.stata-press.com/data/r13/nlswork
xtset idcode year  // 设定面板数据结构
keep idcode year ln_wage union tenure age race occ_code  // 筛选变量
* 剔除有缺失值的样本
drop if union ==.
drop if tenure ==.
drop if occ_code ==.

方法一：手动生成虚拟变量（传统方式） #

用tabulate, generate()命令可以自动把分类变量转换成虚拟变量，之后手动构建交互项再做回归：

* 为race变量生成虚拟变量r1、r2、r3（Stata会自动把分类的基准组排除，避免多重共线性）
tabulate race, generate(r)
* 为职业编码occ_code生成虚拟变量occ1到occ13
tabulate occ_code, generate(occ)
* 构建连续变量tenure和race虚拟变量的交互项
generate tr1 = tenure*r1
generate tr2 = tenure*r2
generate tr3 = tenure*r3
* 代入回归模型
reg ln_wage tenure r1 r2 r3 tr1 tr2 tr3 age union ///
occ1 occ2 occ3 occ4 occ5 occ6 occ7 occ8 occ9 occ10 occ11 occ12 occ13
* 保存回归结果用于后续对比
iestimates store reg_dummies

方法二：因子变量语法（推荐！更简洁） #

Stata的因子变量语法i.可以自动识别分类变量并处理虚拟变量，##符号还能一键生成主效应+交互项，完全不用手动创建虚拟变量和交互项，既省时间又不容易出错：

* c.tenure表示tenure是连续变量，i.race表示race是分类变量
* c.tenure##i.race 等价于 tenure + i.race + c.tenure#i.race（主效应+交互项）
reg ln_wage c.tenure##i.race i.occ_code age union
* 保存结果
iestimates store reg_factor

验证两种方法的一致性 #

用iestimates table命令可以对比两种回归的系数，你会发现结果完全一致——这说明因子变量语法和手动生成虚拟变量的效果是等价的，但前者的代码可读性和效率高太多：

iestimates table reg_factor reg_dummies

内容的提问来源于stack exchange，提问作者Marco