本文主要探讨面板数据中的固定效应与随机效应模型，并着重研究Stata中代码的实现过程。
在回归分析中，需注意几种回归情况：xtreg、areg、reghdfe。其中，xtreg和xtset在面板数据处理方面尤为重要。
首先，我们来探讨固定效应模型与面板数据的关系。以bilibili.com/video/BV1z...中的数据为例。
在Stata处理上市公司时，必须控制行业的固定效应，即i.industry,robust。
例如，在混合截面数据进行回归检验时，需要控制时间的固定效应。
面板数据模型包括个体固定和双向固定效应。我在这边所做的模型DID就是一个差分的双向固定效应模型。
估计量的Stata代码如下：
请注意，在xtreg使用之前，需要先设定面板数据。xtreg适合与xtset命令搭配使用。xtreg函数后面需要用到固定效应时，必须在函数后面添加上fe，否则没有固定效应可言。
只有设定了面板数据，使用xtreg才没有问题。
固定效应是不随时间变化的效应因素，即前面的α。双向固定效应既要固定αi个体固定效应，又要固定λt，即时间的固定效应。
通常，在会计领域会做i.industry i.year这种控制行业与控制年份的固定效应，这种不叫固定效应。因为固定效应模型必须要控制个体，其次，双向固定效应模型必然需要控制时间的固定效应。
以下是控制时间的双向固定效应。
请注意，截面数据必须添加robust。但是，如果不是固定效应的模型，请不要加上fe。
接下来回答以下问题：
1.是否使用固定效应取决于研究的问题方向。如果研究的问题不允许使用固定效应，省份之间、寺庙的距离、这样的样本区间没有发生变化。所以是否使用固定效应取决于你的研究问题。看看你的研究参考论文是否使用固定效应。
2.FE千万不要掉，一定要加上FE。FE RUBUST实现必须要添加的。
3.90%的论文都是要试用固定效应的。随机效应的假设与现实不是很贴合。
省份的固定效应也是一样的，如下图所示。
一般情况下，我们不会单独使用某种固定效应，一般会结合起来使用。所以这里的结合写法如下。
从CSMAR数据库中看到上市公司的所属省份和所属城市的数据库。不用去演示如何下载数据。
inlist2就是自动生成一个自变量，然后接着进行回归。
找了任何的组别的分组，然后进行数据集的生成变量，开始回归。
我简单介绍一下这里的函数用法。
1.xtreg本身是对个体的固定效应进行处理——研究上市公司，上市公司就是个体；
2.areg:absorb(code)//这里的code就是个体的名称；
3.reghdfe:所有的固定效应都可以在absorb简写一下。
这里是聚类的标准误而不是稳健的标准误。
cluster(iscode)就是聚类标准误，robust是文件标准误。
在使用xtreg之前需要进行面板数据设定。
这三个命令无论使用哪一个，最后的系数都是一样的。
下面是使用reghdfe的代码实现过程。
这里的虚拟变量就不会产生了。
使用AREG只能添加一个固定效应。
使用reghdfe可以添加很多个。
所以这里的esttab就是导出原来的模型结果。但是如果是导出到了外部，就要适用outreg2函数。
这里使用reghadfe这个命令就可以实现了。
这里的reghafe就可以在absorb里面添加有关的需要控制的自变量，就可以出现自变量的固定效应。
estfe m*就是指代前面的模型，labels就是把前面的自变量的虚拟变量的结果标注为Ind FE等。
温馨提示：答案为网友推荐，仅供参考