遗漏变量问题的稳健性检验-加入时间趋势？

首先，基本回归中控制年份、企业固定效应，年份-行业固定效应，年份-地区固定效应，以及相应的企业与区域层面的控制变量。

其次，稳健性检验中，考虑解释变量与被解释变量同时随时间趋势增长，因此，在基准回归结果的基础上加入企业时间趋势项进行回归；

最后，加入更多的控制变量以缓解遗漏变量带来的内生性问题？

时间趋势与时间固定效应的区别？（资料源于连享会）

在程序语句上，时间趋势项在 Stata 因子分析中被标示为连续变量，运算符为 c.x，如 c.year；而时间虚拟变量在 Stata 因子分析中被标示为类别变量，运算符为 i.x，如 i.year。

此外，企业时间趋势可以表示为：bys company (year): gen trend = _n

在经济含义上，时间趋势项通常近似代表了社会中所发生的技术进步；而时间虚拟变量的目的是控制住某些特殊年份造成的影响，例如严重的自然灾害、战争以及金融危机，参见 ResearchGate Question: Is anyone familiar with Time Trends vs Time Dummies?

在适用范围上，时间虚拟变量因其所受约束更少所以应用更加广泛。当把时间趋势项纳入模型时，实际上我们隐含假设了某些单调性 (线性趋势) 或某种函数形式；但是时间虚拟变量则不受此约束，它可以表现为毫无规律的 “锯齿” 形态，也可以表现为时间趋势项那样的函数形式。在某种程度上，时间虚拟变量可以吸收掉所有的特定时间效应，包括时间趋势，参见 Economics Job Market Rumors 。

总结以上，时间趋势项相当于赋予了给定年份一个时间指数（如果样本区间是 2000-2010 年，则时间趋势变量给 2000 年赋值为 1，2001 年赋值为 2 等），它可以解释其他自变量解释不了的因变量的外生增加或下降。时间虚拟变量则是当观测值在指定的月份/季度/年份时等于 1，否则等于 0，它控制住了特定时间的固定效应，比如指定时间段的冲击影响。

当然，假如有明确的需要以及可靠的理论依据，那么模型就可以同时纳入时间趋势项与时间虚拟变量。