关注微信公众号: 经管联盟
具体估计方法如下，顺便包含了混合估计、固定效应和随机效应的估计方法，详细的可靠的是固定效应：
一、混合估计模型：
reg cp ip
二、固定效应模型
1.个体固定效应模型：
tsset id year
xtreg Y X, fe 或者xtreg Y X , fe i(id)
针对个体固定效应(H0：不存在个体固定效应)的F检验自动生成，如果p<=10%则应该选择个体固定效应。
2.时刻固定效应模型：
(1)麻烦的间接方法
tsset id year
xi:reg Y X i.year
对于时间固定效应模型的检验不是很直接，要用wald检验，相应的命令为：
建设是四年数据，时间虚变量为_Iyear_2、 _Iyear_3、 _Iyear_4，那么wald检验
test _Iyear_2=_Iyear_3= _Iyear_4
test _Iyear_2=_Iyear_3= _Iyear_4=0
(2)巧妙的方法
这个方法有点麻烦，后来论坛中有人聪明的提出一种方法，让人眼前一亮，就是将时间和截面变量交换位置，之前得到的是个体固定效应，之后就是时间固定效应，具体如下：
tsset year id
xtreg Y X,fe
针对时期固定效应(H0：不存在时期固定效应)的F检验自动生成。
我刚开始对此方法不是很有信心，最后自己将其与第一种方法做了对比发觉，估计的参数值和其他统计量均为一致性，因此推荐后面这种方法。
(3)直接的方法
参照个体固定效应的方法，我们再推荐一种简便直接方法：
tsset id year
xtreg Y X ,fe i(year)
针对时期固定效应(H0：不存在时期固定效应)的F检验自动生成。
比较三种方法，第二、三种方法更为直接和有效，第一种与他们的区别还有一点就是常数项估计值不同，而第二种方法缺乏理论依据和现实做的人比较少，因此综合来看，第三种方法最为有效和直接。
3.时刻个体双固定效应模型
实际上连玉君讲义中的时间效应(人大经济论坛出的stata论文专题讲义的p230)是时间个体双固定效应，可以这样理解fe只是固定个体效应，比如在个体固定效应模型中，输入fe和输入fe i(id)，得到的F值和p值均一致，另外从stata命令的中看sigma_u：panel-level standard deviation，F_f：F for u_i=0，均在说个体效应问题而时间效应已经通过设置时间虚拟变量进行了控制。具体方法如下：
xtset id year
xi:xtreg y x1 x2 i.year,fe
这种方法有个问题是，估计的时候可能会出现：
“independent variables are collinear with the panel variable year”
解决的办法是从新生成一个panel varible比如code，此code是id和year的综合,前提是提前设置了
tsset id year。然后按照如下命令进行：
gen code =year+id
tsset code year
xi:xtreg y x1 x2 i.year,fe
针对时期固定效应(H0：不存在时期固定效应)的F检验自动生成。
最后在三种模型中到底选择哪个，主要根据F检验值是否显著进行判断，第一个显著后面不显著就选个体固定效应模型，第 二个显著其他不显著选择时间固定效应模型，第 三个显著意味着前两个均显著，那么选择个体时间双固定模型。
三、随机效应模型
tsset id year
xtreg cp ip,re
四、回归系数不同的面板数据模型
by id: reg cp ip
然后把斜率＆截距整理合成一下就ok。
五、针对固定效应和随机效应模型选择主要根据Hausman检验结果判定：
xtreg cp ip, fe
est store FE
xtreg cp ip, re
est store RE
hausman FE RE 由于原假设是随机效应和固定效应无差异，如果拒绝原假设，则采用固定效应模型，否则随机效应模型。