根据坛内的经验来说，stata做交叉项时应该先生成新变量再带入模型中，例如：

做x,y的交差项：gen xy=x*y.  然后再做回归（例如：reg/glm/logistic z x y xy）。

但是我发现x#y可以不用生成新变量就能用，以对数线性回归（glm）为例：


1、命令：
gen iner=row*colu
glm freq i.row i.colu iner, family(poisson)

以下是生成新变量的部分结果：

Generalized linear models                          No. of obs      =         9
Optimization     : ML                                  Residual df     =         3
                                                             Scale parameter =         1
Deviance         =   103.613914                    (1/df) Deviance =  34.53797
Pearson          =  129.5374276                    (1/df) Pearson  =  43.17914

Variance function: V(u) = u                        [Poisson]
Link function    : g(u) = ln(u)                    [Log]

                                                                   AIC  =  20.46444
Log likelihood   =  -86.0899988                    BIC    =  97.02224


2、命令：

glm freq i.row i.colu i.row#i.colu, family(poisson)
以下是部分结果：

Generalized linear models                          No. of obs      =         9
Optimization     : ML                                  Residual df     =         0
                                                            Scale parameter =         1
Deviance         =  4.52284e-13                    (1/df) Deviance =         .
Pearson          =  1.30799e-14                    (1/df) Pearson  =         .

Variance function: V(u) = u                        [Poisson]
Link function    : g(u) = ln(u)                    [Log]

                                                                    AIC =  9.618454
Log likelihood   =  -34.2830418                    BIC =  4.52e-13


从结果上来看，好像第二种优于第一种（第二种貌似接近饱和模型了(╯‵□′)╯︵┻━┻），但是两种有什么差别，各自分别是什么呢？
还请大神赐教~~~