照着一份完整的操作记录走完后半程：先找到并接上一个能让 Claude Code 调用 Stata 的 MCP 工具，再用它把原始数据导入、清洗、合并成分析面板，跑描述统计与主回归，最后导出三线表 Word。看清这一段里哪些是研究者拍板、哪些交给 Claude Code 与 Stata 执行。
前三篇把工具定位、流程地图、项目制管理，再到文献调研与研究计划讲完了。这是收束的一篇，落到最动手的后半程：让 Claude Code 真正调起 Stata，把原始数据导入、清洗、合并成一份能跑回归的面板，再出描述统计、跑主回归与稳健性。这一篇照着一次完整的会话走，讲的是每一步怎么驱动 Claude Code、哪里该由你拍板、哪里交给它执行；这份耐心资本研究最后算出的具体结果不展开。后半程就照后面这五步走，一步接一步：先接上 Stata MCP，把数据导入清洗成面板，跑描述统计与主回归，做内生性与稳健性这组检验，最后导成三线表。
第一步 · 接上一个能调本地 Stata 的 MCP 工具
要让 Claude Code 跑 Stata，得先给它一个能调起 Stata 的 MCP 工具。会话第一句就是问有没有合适的，查下来当前环境里已经接好了一个，系统提示里能看到 mcp__stata-mcp__* 这一系列工具。它来自 PyPI 上的 stata-mcp 包，作者是 Sepine Tam，安装一行命令就够：claude mcp add stata-mcp -- uvx stata-mcp，配置写在 ~/.claude.json 的 mcpServers 字段里。
接上之后先跑一个最轻的命令确认进程能起，让它调 help describe，能返回 describe 命令的完整文档就说明本地 Stata 进程拉得起来。这个 MCP 对外给五个工具，主力是 stata_do，把 do 文件交给它执行、再返回日志；另外 get_data_info 看 dta、csv、xlsx 的结构，read_log 解析落盘日志，help 查文档，ado_package_install 装第三方包。
Stata MCP 连的是本地的 Stata，跟你手动打开的那个 Stata 图形界面是两个互相独立的进程。图形界面有自己的内存和数据集，MCP 每次调 stata_do 是另起一个命令行进程、跑完即退，两边不共享内存、不共享数据。你在界面里 use 的数据，MCP 那边看不见；MCP 跑的回归，界面里也不出现。所以 MCP 的结果只能通过 Claude Code 回传，落地形式是每次写到项目下的 .log 与 .smcl 日志。
这个工具还自带一道沙箱：do 文件必须放在它允许的目录里。会话里第一次把探测 do 文件写到 /tmp 就被拒了，报 Access denied: outside allowed directories，移进项目下指定目录才跑通。后面所有 do 文件都放进这个目录即可。
第二步 · 把原始数据导入、清洗成面板
工具接好，下一步是让它把项目里那堆原始数据收拾成一份能跑回归的面板。原始数据散在好几个模块、几十个文件里，dta、xlsx、csv 混着、字段命名也各不相同。从这堆原料到一张面板，要按主键合并、去重、处理缺失、构造变量。指令交代清楚之后，Claude Code 会先进计划模式盘点数据、再分阶段写脚本执行。
每导一套数据，先 probe 一遍字段，再写正式的导入脚本，因为原始文件的列名、脏数据、单位都得先看清。华证 ESG 那份有五万多行，导进来才发现综合得分是字符串、得 destring，时间字段里还混进了字面值”时间”这样的脏数据要清掉。这些都是 probe 完才暴露、写进脚本去处理的。装包也是一样，第一遍 reghdfe、estout 这些 SSC 包里有几个会装失败，靠日志看清哪个没装上、单独重试才补齐。
财务那套数据导进来，发现利润表只有营业收入、没有净利润，常用的 ROA 因此构造不出来。这时候是研究判断在做事：改用经营现金流比总资产作盈利能力的代理，并在文档里写明这处数据局限。Claude Code 能告诉你字段缺了什么，换哪个代理、要不要在论文里交代局限，是你定的。
把几套数据按公司代码和会计年度合并成主面板时，样本量常莫名其妙少几百行，往往就出在合并键和缺失处理上，得靠日志逐步回查。合并后再对连续变量按 1% 和 99% 分位缩尾，最终落成一份两万多观测、覆盖十几年的面板。用哪个键合并、缺失是删是补、异常值缩不缩尾，每一处都是研究判断。喂材料时要给的一份是变量字典，写清每个变量在哪个文件、什么类型、什么单位，再说明你要的面板长什么样，脚本才贴合。
第三步 · 跑描述统计与主回归
面板立住后先出描述统计。让 Claude Code 用 estout 把均值、标准差、极值、样本量列成表 1，相关系数列成表 2，你拿来核一眼样本面貌正不正常。中途有个工具不支持的小命令报了错，不影响主交付、照实跳过就行。这类小报错在实际操作里很常见，看日志确认无碍即可。
主回归这一步，先由研究者把模型设定定下来：被解释变量、核心解释变量、控制变量放哪些、固定效应控制到哪一层、标准误怎么聚类。这些定清楚，再用一句 prompt 交给 Claude Code，让它写成 reghdfe 的 do 文件、调 Stata 执行、把日志回读回来。第一次跑常会缺个依赖包，装上重跑就行。
让 Claude Code 把核心解释变量的几种测算口径各跑一遍主回归，结果一并列出，由你来选哪个进主表。选择权留在你手里，是因为换一种测算方式，核心系数的显著性可能就翻面。这种口径选择是研究判断，不能交给工具。它的职责是把每种口径如实跑出来。
结果解读这一步容易暴露 AI 腔，让它写系数解读，常写出形容词堆叠、把结论往大里拔的腔调。喂材料时把这层管住：给本领域论文的实证段落做范本，要求平实陈述系数多大、在什么水平显著、方向跟假设是否一致，变量名沿用研究里既定的说法。主回归同样走交叉复核：Claude Code 跑出来的结果，自己再用 Stata 手动跑一遍同样的设定，系数、标准误、样本量逐一对齐，两端一致才算立得住。
第四步 · 做内生性、机制、异质性与稳健性检验
主回归立住后，第二阶段把内生性处理、机制检验、异质性、稳健性一组跑齐。这些检验彼此独立，正好让 Claude Code 批量做。
批量跑这组检验，会撞上几类工程问题：bysort 改了排序导致滞后算子出错、要先 sort 再算；某个外部包没装、得补装；嵌套 preserve 报错、得把脚本拆开收尾。这些都不是研究问题，是操作问题，靠日志逐个定位、让 Claude Code 改脚本解决。把它们交给工具处理，正是批量做这组检验省时间的地方。
机制和异质性这两块，尤其要研究者自己判断。机制检验跑出来要是跟预期不符，比如某条通道的方向跟你假设的相反，这种结果照实交付，由研究者判断是机制设定的问题还是理论本身需要修正，工具不替人圆结论。异质性比稳健性更要判断：分组之前得先有一条说得通的机制假设，先有机制再分组验证才有意义；为找显著结果到处试分组，就成了数据挖掘。机制从哪来，落回文献和理论，这件事 Claude Code 给不了你。
稳健性这块是替换核心变量的测度、换被解释变量的口径、加滞后期，让 Claude Code 排成一个矩阵批量跑。稳健性段落每个结论后面都跟一句”这说明……”：替换测度后仍成立就写清结论不依赖特定口径，加滞后期看到的就写清效应有没有时滞。让 Claude Code 起草这些段落时把要求交代下去，再自己核每一句”这说明”站不站得住。
第五步 · 把回归结果导成三线表 Word
研究计划里点名要 Word 文档、每张表用三线表。这一步遇到一个工具限制，代表了一类常见的返工，记在这里。第一版用 Stata 的 putdocx textfile 把导出的 RTF 表嵌进 docx，生成的文档里表格全是乱码。拆开 docx 的结构一看，里面一张真正的表格都没有，RTF 控制码以裸文本形式塞了进去：putdocx textfile 把 RTF 当纯文本嵌入，没转成 Word 表格，控制码就裸露成了”乱码”。这是它的已知限制。
换条路线。先用 esttab 把表导成 CSV，中文在 CSV 里完全正常，绕开 RTF 的中文转义问题；再用一个能精确控制 Word 结构的库读 CSV、原生构造三线表：表头顶部一条粗线、表头底部一条细线、数据末行一条粗线，全程无竖线，中西文各用对应字体。生成的文档过了校验，干净落地。
让 Claude Code 产出格式化交付物时，中间格式选错会整段返工，这是一类通用的教训。纯文本中转比让工具直接吐富文本稳妥，最终格式交给能精确控制结构的库来生成。具体走哪条路线由研究者拍板：工具自带的推荐和它的限制都摆出来，看清根因再决定换哪条路。
收尾 · 整条流水线的分工与交叉校验
把这几段连起来看，从找工具、接 Stata MCP，到导入清洗、描述统计、主回归、稳健性、出表，研究者与 Claude Code 的分工是清晰的。
越靠近定方向的环节，Claude Code 能帮的越少：核心变量用哪个测算口径、控制变量放哪些、识别策略怎么设、机制假设站不站得住，这些是研究的内核，判断权在研究者手里。越靠近做执行的环节，它接手得越彻底：装包、写 do 文件、跑回归、批量出稳健性、导三线表。一篇实证论文的价值落在前者，效率的提升来自后者。
整个系列反复回到同一个收尾动作。从清洗到主回归再到稳健性，每个关键结果都让 Claude Code 调 Stata MCP 跑一遍、留下完整 do 文件，主回归再由研究者用 Stata 手动复跑核对，两端结果对齐才落进论文。换口径系数会翻面、有些结果跟预期不符，这些都让它如实回传。
四篇到这里收尾。工具摆对位置、流程看全、项目管好，再把文献调研、研究计划、数据导入清洗、回归与稳健性逐段走通，一篇实证论文从开题到出表就有了完整的操作路径。Claude Code 把执行接成连续的流水线，研究的判断始终留在研究者这边。这是整个系列的主线。