用Origin0作出散点图，然后用fitlinear进行直线拟合，出图后只有Adj.R-Square等信息，没有相关系数R或者R^2以及标准偏差SD、检验值F等相关的数据。
首先看显著性值，也就是sig值或称p值，它是判断r值，也即相关系数有没有统计学意义的，判定标准一般为0.05，由表可知，两变量之间的相关性系数r=-0.035，其p值为0.7090.05，所以相关性系数没有统计学意义。
P值是指(F检验或者T或者其余检验量)大于所求值时的概率，一般要小于于给定α就说明检验显著，p=P(|U|=|u|)=|uα/2|)=α。
process结果里看R的平方值和F值：拟合的模型能解释因变量的变化的百分数，例如R方=0.810，表示拟合的方程能解释因变量81%的变化，19%是不能解释的。
相关系数r临界值表分两步观看：第一步，确定样本数量减去2对应的数值，在表中找到对应的横行。第二步，通过计算得出自由度，在竖列里面找到对应的数值，此时表内数字即为所需数字。
不用加。xtreg，fe是固定效应模型的官方命令，使用这一命令估计出来的系数是最为纯正的固定效应估计量（组内估计量）。xtreg对数据格式有严格要求，要求必须是面板数据。
在xtreg命令后加上选项fe，那就表示使用固定效应组内估计方法进行估计，并且默认为个体固定效应，定义在xtset所设定的截面维度上。如果要进行时间固定，则需要在模型中通过i.year引入虚拟变量来表示。
如果是用stata，可以用xtregyx1x2x3，fer命令，也可以用regyx1x2x3i.yeari.industry，r命令。
加入调节效应：在数据中增加一个调节变量，并令其与自变量的关系是调节效应的测量，并令其与因变量的关系也是调节效应的测量。
fe是固定效应模型，re是随机效应模型。面板数据模型简介，包括：FE，RE，二维固定效应模型，聚类调整后的标准误，动态面板和面板门槛模型等。
该模型对于解释因变量的变化非常有用，因为它能够控制个体的固定特征，例如管理能力、文化和地理位置等，从而更准确地分析因变量的变化。固定效应模型中的调整后r2表示模型解释的方差比例，即模型对总方差的解释程度。
使用之前需要安装（sscinstallreghdfe）。reghdfe主要用于实现多维固定效应线性回归。
但是这两种在计算各样本残差时，并不能很好地使用predict命令解决。
DID模型与固定效应模型有着千丝万缕的关系，和之前一样，多期DID的Stata命令主要有三个，分别是reg命令、xtreg命令和reghdfe命令。
可以直接将回归结果导入word、excle、latex等，就可以导出结果了。
reg和areg结果完全一致，而xtreg和reghdfe结果是一样的额，但标准误比前两者要小，t值更大，也就是说更容易显著，reg和areg结果更为保守。
数据集的问题。reghdfe需要输入正确的数据集，如果数据集存在一些问题，可能会导致reghdfe无法输出结果。建议检查数据集是否存在问题，尝试去除问题数据后再次运行。
1、reghdfe是在做高维固定效应模型时的常用命令，而ivreghdfe则是在里面可以进行工具变量回归。但是这两种在计算各样本残差时，并不能很好地使用predict命令解决。
2、网络问题。reghdfe命令没有截距项是网络问题导致的，数据未加载成功，需要更换网络。截距是用在直线上，是指直线与y轴交点的纵坐标，截距是一个数，是有正负的。
3、使用之前需要安装（sscinstallreghdfe）。reghdfe主要用于实现多维固定效应线性回归。
4、xtreg只能用于面板数据，而reg是用于时间序列数据！而且两者得出的方程也不一样。xtreg是用于面板数据，但是reg执行的是OLS回归，OLS多用在截面数据，而不是时间序列。