1. 由于宏观经济状况在各个年度之间变化较大，或者是因为存在经济周期问题，致使序列相关非常常见。此时，我建议你在模型中加入 T-1 个年度虚拟变量来控制不可观测的年度效应的影响。

2. PSCE 和 RE 有点相似，都是通过分解干扰项来控制个体效应的。具体而言，在 Pooled OLS 模型设定中，只有一个干扰项，即 y_it = a + x_it*b + u_it 中的 u_it。在 RE 中，设定 u_it = a_i + e_it，即将干扰项分解成 a_i （不随时间变化的部分，反应个人性格，公司文化等），以及 e_it （随时间变化的部分，反应每个公司每年受到的随机冲击）。而在 PSCE 中，则是通过假设 E[u_it * u_it'] 这个方差-协方差矩阵的形式来控制异方差和序列相关的影响的。
      二者的共同之处，就是假设每家公司的截距项不存在差别，公司之间的差异主要反映在干扰项上。
      上述想法虽然看起来不错，但背后隐含的假设条件却非常严格：E[x_it'*u_it] = 0，即干扰项与解释变量不相关。遗憾的是，很多情况下，a_i 和 x_it 都是相关的。

      FE 模型则是通过在 x_it 中加入 N-1 个虚拟变量来控制个体效应的，此时无需上述假设。

具体包括哪些变量？模型是如何设定的？
通常不用检验序列相关的具体形式，如果变量都是平稳的，通常直接使用 xtscc 命令进行分析即可。

谢谢连老师：
都是宏观经济变量，比如gdp，汇率，贸易占GDP比重，FDI等。模型设定是按照通用方式设定的线性模型。xtscc已经做了。我还想做工具变量的两阶段最小二乘法，控制内生性的同时，控制多阶自相关。我尝试过，发现考虑多阶自相关与不考虑相比，系数大小和方向不变，但T统计值变化挺大的。这是普遍规律么？

另外，这个帖子里提出：“个体效应是可识别但不能观测的，既然在OLS中个体效应在干扰项之中，在fe或re中，个体效应从干扰项中分离出来，在PCSE中考虑了异方差和自相关，即异方差和自相关中已经（至少部分的）含有了个体效应，那么在单独提取出来是代表何种意义呢？”，不知连老师，认为合理么？
https://bbs.pinggu.org/thread-2179387-1-1.html

谢谢连老师的详细解答。
从help来看，利用newey2计算Newey-West标准误也可以控制异方差与高阶自相关，
这似乎与PSCE的思路是一致的，不知我理解是否正确呢？烦请您指点？