图没有办法贴上来，

开始的结果

      Source |       SS       df       MS              Number of obs =     455
-------------+------------------------------           F( 11,   443) =   25.47
       Model |  54.9352898    11  4.99411726           Prob > F      =  0.0000
    Residual |  86.8644509   443  .196082282           R-squared     =  0.3874
-------------+------------------------------           Adj R-squared =  0.3722
       Total |  141.799741   454  .312334231           Root MSE      =  .44281

------------------------------------------------------------------------------
      lnetra |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
        levl |  -1.203347   .4055036    -2.97   0.003    -2.000297   -.4063971
       lnroa |  -.0965536   .0434304    -2.22   0.027    -.1819088   -.0111984
    lncapint |   .0464896   .0228357     2.04   0.042     .0016098    .0913694
         rdi |  -1.334532   .4317839    -3.09   0.002    -2.183131   -.4859322
         str |   6.216854     .68634     9.06   0.000     4.867967    7.565741
         man |  -.2010186    .058227    -3.45   0.001     -.315454   -.0865832
         min |  -.4359208   .1871842    -2.33   0.020    -.8038003   -.0680414
         soc |   .1775388   .1071537     1.66   0.098    -.0330539    .3881314
         agr |  -1.921846   .1588432   -12.10   0.000    -2.234026   -1.609666
      year08 |   -.032652   .0641966    -0.51   0.611    -.1588197    .0935157
      year09 |  -.0134581   .0572732    -0.23   0.814    -.1260191    .0991028
       _cons |  -2.604679   .1624626   -16.03   0.000    -2.923972   -2.285386
------------------------------------------------------------------------------


修正后的结果

      Source |       SS       df       MS              Number of obs =     455
-------------+------------------------------           F( 11,   443) =   18.59
       Model |  13.5201966    11  1.22910878           Prob > F      =  0.0000
    Residual |  29.2921647   443  .066122268           R-squared     =  0.3158
-------------+------------------------------           Adj R-squared =  0.2988
       Total |  42.8123613   454  .094300355           Root MSE      =  .25714

------------------------------------------------------------------------------
      lnetra |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
        levl |  -.0849362   .4083778    -0.21   0.835    -.8875347    .7176624
       lnroa |  -.0943515   .0265945    -3.55   0.000    -.1466186   -.0420845
    lncapint |   .0208319   .0129306     1.61   0.108    -.0045811     .046245
         rdi |  -1.779651    .364706    -4.88   0.000     -2.49642   -1.062882
         str |   3.894032   .4515344     8.62   0.000     3.006616    4.781448
         man |  -.1337797   .0446918    -2.99   0.003    -.2216139   -.0459455
         min |  -.1444632   .4600494    -0.31   0.754    -1.048614    .7596873
         soc |   .1766355   .0739767     2.39   0.017     .0312465    .3220245
         agr |  -1.487926   .5903692    -2.52   0.012    -2.648199    -.327654
      year08 |  -.0221112   .0482429    -0.46   0.647    -.1169246    .0727023
      year09 |   .0321774   .0314699     1.02   0.307    -.0296715    .0940262
       _cons |  -2.397015    .114436   -20.95   0.000     -2.62192    -2.17211
------------------------------------------------------------------------------

我是三年的面板数据，所以直接用了混合OLS回归，不知是不是会有什么问题？谢谢！

有很大的问题  不知道第一你有没有定义面板数据  第二 用固定效用或者随机效应  第三面板异方差的解决方法不是那样的吧

就方法而言，FGLS适合大样本数据，如果样本较小就用OLS+稳健标准差。

谢谢上面的回复！
我是定义过了面板数据，固定效应肯定是不行的，但是我不确定这里是否应该用随机效应模型，因为我的数据只有三年，从时间序列上看似乎没什么趋势性，用随机效应模型是否会合适呢？
我因为是直接把它当成了pooled data，所以就直接当截面数据回归了，这样是不是有什么问题？

实话说我不太懂，还请高手指教

谢谢回复！
我的数据是每年189个，3年，非平衡，应该属于大样本吧？那是不是说应该用
我也用robust做了一下，变量显著性倒是没有太大的变化，但是模型的F值一下降得特别厉害，这是不是就说明robust方法不合适呢……