谢谢，i.region是什么东西啊

i.region表示回归中加入region的dummy 变量

http://blog.renren.com/share/231899707/13953585770
这个里面有关于stata的一些详细操作，
在stata中实现WLS的方法如下：


reg （被解释变量） （解释变量1） （解释变量2）…… [aweight=变量名]


其中，aweight后面的变量就是权重，是我们设定的函数。


一种经常的设定是假设扰动项的条件方差是所有解释变量的某个线性组合的指数函数。在stata中也可以方便地实现：


首先做标准的OLS回归，并得到残差项；


reg （被解释变量） （解释变量1） （解释变量2）……
predict r, resid


生成新变量logusq，并用它对所有解释变量做回归，得到这个回归的拟合值，再对这个拟合值求指数函数；


gen logusq=ln(r^2)
reg logusq (解释变量1) （解释变量2）……
predict g, xb
gen h=exp(g)


最后以h作为权重做WLS回归；


reg （被解释变量） （解释变量1） （解释变量2）…… [aweight=h]


如果我们确切地知道扰动项的协方差矩阵的形式，那么GLS估计是最小方差线性无偏估计，是所有线性估计中最好的。显然它比OLS更有效率。虽然GLS有很多好处，但有一个致命弱点：就是一般而言我们不知道扰动项的协方差矩阵，因而无法保证结果的有效性。

https://www.stata.com/statalist/archive/2004-06/msg00828.html