应该是be这个命令吧，看组间效应。
有个例子
—对于“wage.dta”的数据，我们要分析受教育年数、年龄、工作年数、现有岗位的任职时间、是否是黑人、是否居住在SMSA区、是否生活在南方等因素对工资收入的影响。考虑到年龄、工作年数、现有岗位任职时间等因素对工资收入的影响可能不是线性的，我们先生成这三个变量的平方项，并在模型中包括这三个变量的水平项和平方项。输入命令：
—genage2=age*age
—genexp2=ttl_exp*ttl_exp
—gentenure2=tenure*tenure
—我们生成变量age、ttl_exp和tenure的平方项，并分别将其命名为age2、exp2和tenure2。
—此外，我们需要由变量race生成一个虚拟变量，来表示是否是黑人。输入命令：
—genbyte black = race==2
—这里，我们生成新变量black，并令其类型为type。注意，race后为两个等号。该命令的含义为，对race是2的（黑人）观测值，我们令black的值为1；对race取其他值的观测值，我们令black的值为0。也就是说新生成的变量black为虚拟变量，1表示黑人，0表示其他人种。
—进行完这些变换之后，下面，我们进行组间回归。输入命令：
—xtregln_wage grade age age2 ttl_exp exp2 tenure tenure2 black not_smsa south, be
—这里，被解释变量为ln_w，解释变量包括grade、age、age2、ttl_exp、exp2、tenure、tenure2、black、not_smsa和south，选项be表示进行组间估计。
附件列表
扫码加好友，拉您进群
全部版块
我的主页
收藏
