对于问题1：
如果你想看每一位总统的态度，那你就需要为每一位总统设置1个dummy，你有6个总统，回归中可以放进去5个dummy，你放6个进去，Stata也会自动给你舍弃一个。
对于问题2：
反侵销案件数为0，你要搞清楚这个0到底是真的没有，还是缺失值，如果是缺失值，那你不能把这个当0处理，应该删除有缺失值的这个observation。如果不是缺失值，真实情况确定就是0的话，这就不是什么异常值的问题，就不应该刨除这个observation。事实上Poisson regression就是应用于dependent variable是非负整数的情况，数据中有0不是问题。如果数据有很多0，可以用Zero-inflated Poisson regression，但你又不是这种情况。需要你注意的是，Poisson regression应用于dependent variable的mean与variance相等的情况下，如果dependent variable的variance远大于mean（存在overdispersion的情况），那么可以使用negative binomial regression (Stata中nbreg)。

其中民主党用虚拟变量1表示的，共和党用0表示的，那IRR对应的总统系数0.8312431该如何解释呢？

你要想看每一位总统的态度，应该针对每一位总统设置一个dummy，这个dummy等于1，如果是这个总统执政。另外，你问如何解释你的结果，你的dependent variable是什么啊？贸易政策的态度是个dummy，表示支持或不支持，还是几个离散值，比如1，2，3，4，5表示支持的程度。如果是dummy应该用probit或者logit model，如果是1，2，3，4，5这样的离散值，应该用ordered probit model。Poisson用于count data，你这个贸易政策的态度到底是个什么？

谢谢解答！还想请教一些问题。
1、我的dependent variable是历年来美国对华反倾销案件数量，目前自变量有4个常规变量和3个虚拟变量，其中一个虚拟变量是总统，然后想针对每个总统研究，看每个总统对于反倾销贸易政策是采取赞成还是反对态度，那是否需要另外设置5个dummy（6个不同总统），然后看系数的显著性？
2、早些有几个年份美国对华反倾销案件数量为0，虽然不符合zero inflated model条件，但是否需要去掉这几个异常值呢？如果去掉的话，会不会因为时间序列断层（我在泊松回归中用了exposure（time））而影响回归结果呢？
希望大神能够给予解答，由于是论坛新生，目前分数较少，后续可以补偿加分，谢谢！

谢谢大神解答，思路很清晰！