查看了green的书，上面是理论推导。我是想问，具体的操作中，用数据、用stata如何去实现。
非常感谢。

就按照你刚刚说的，以及之前那个帖子你提到的方法，生成dummy，然后把dummy放到logit回归中去。外加时间的dummy，把这个panel变成cross section的panel，用正常的logit估计。至于扰乱其他系数估计的准确性是有些道理的，因为dummy吸收了其他变量的一些信息，严重的情况可能就是使其他很多本该显著的系数变得不显著了。但如果其他那些变量有足够的variation（一个极端的反例就是某一变量对于所有obs都一样，那么这个变量肯定不显著，完全被cross section dummy吸收），该显著的还是会显著。

另外我个人觉得你先试着估计几个模型，看效果如何，如果好，你就argue一下你的specification是合理的，再看看有没有进一步改进的空间；如果你一开始就想着要弄一个完美的specification，但是关键系数不显著，故事讲不下去，一切都是白搭。

也就是说，面板数据同样可以使用普通logit回归，而不必一定用固定效应模型和随机效应模型中的一种。
按照之前的做法，对year设置虚拟变量后，就将面板数据转换为了截面数据，因此是可以使用普通logit进行回归的。因为这个时候，模型不存在固定效应或随机效应的说法了。
是这样吗？
但是在“Panel Data 3: Conditional Logit/ Fixed Effects Logit Models”这篇文章中，page3中的案例同样对year进行了控制（同样是设置虚拟变量的方式），但仍使用的是固定效应模型。请问这是为什么勒？

请问最后你的这篇文章用了普通logit回归么？有没有控制行业和时间固定效应啊？还是只是加入了行业和时间的虚拟变量

请问您的问题解决了么？我现在遇到了同样的问题……

请问楼主的问题解决了吗？哭(;︵;`)