Stata中i.前缀与absorb()有何区别？对应命令运行结果是否等价？

核心结论 #

你给出的两条areg命令运行得到的核心解释变量y的系数、标准误、显著性结果完全等价，仅在输出内容的丰富度、计算效率上有差异。

二者的核心差异 #

• i.是Stata通用的分类变量标识前缀，作用是将目标变量自动转换为一组对应取值的虚拟变量纳入回归，如果你写i.z，回归结果会输出z每个取值对应的虚拟变量的系数、显著性等统计量
• absorb()是areg命令的专属参数，作用是通过离均差变换直接吸收目标分类变量的固定效应，计算过程中不会生成对应的虚拟变量，也不会在结果中输出该变量的系数，优势是计算效率极高，尤其是当目标变量取值数量非常多（比如数千、数万个个体/企业）时，absorb()的运行速度、内存占用远优于直接写入i.前缀的虚拟变量

两条命令等价的原因 #

两个回归的控制变量设定本质完全一致：均同时控制了年份固定效应year和个体固定效应z，标准误都聚类在id层面：

1. 第一条命令用i.year纳入年份虚拟变量（会输出各年份系数），用absorb(z)吸收个体固定效应（不输出个体层面系数）
2. 第二条命令直接用i.year、i.z把两个维度的虚拟变量全部纳入回归，areg会自动处理高维虚拟变量的估计逻辑，因此核心变量y的估计结果没有任何区别

二者同时使用的常见原因 #

实际研究中同时使用二者的场景非常普遍，核心是兼顾效率和结果输出需求：

• 个体、行业、企业这类维度的分类取值通常很多，研究者一般不需要看每个个体的系数，用absorb()吸收即可，大幅提升回归速度
• 年份、省份这类维度的分类取值少，用i.前缀纳入回归，可以直接输出对应的系数，方便观察时间趋势、地区异质性等结果

内容的提问来源于stack exchange，提问作者Luis M. García