你的意思是说一个观测值有这五个变量，然后有可能是具有这三个变量中的几个特征，例如公司A既有资产收购行为也有资产剥离行为，对吗？那就可以设置5个虚拟变量啊,依次为dummy1-dummy5，具有这种特征的就是1，不具有的就设为0啊.例如dummy1=1，dummy2=1,dummy3-dummy5=0那么就是说这个样本是具有资产收购，资产剥离的特征，而不具有资产置换，吸收合并和股权转让的特征。

同问，坐等结果

2楼的说法不够严谨  如果是设置5个虚拟变量的话，那么在模型中就不能加入截距项。这个要看你是否要加截距项了，如果要加，那就只能设置4个dummy（多重共线性问题，即虚拟变量陷阱）
这个要看你是做时间序列（或面板）还是截面了。如果是做时间序列（或面板），那么会出现有的公司在样本期内没有发生过资产收购行为，此时若设置dummy则此dummy=0, for all t 则该dummy会与截距项产生完全多重共线性；进一步地，若有的公司既没有发生过资产收购也没有发生过资产剥离，则有两个dummy=0, for all t 那么这两个变量必然存在完全多重共线性导致无法回归。
因此，我的建议有两个。首先，对你的定性变量进行简化。实质上你举的这些变量本身是非常相近的，尤其是在并购重组中，资产置换就包括了资产收购，这五种行为的关联度很高，你可以整理为更少变量；
第二，可以这样做：在原模型（不管是时间序列还是面板）不加入你的定性变量，进行回归（带截距项），得到残差（面板中则为个体固定效应）取残差对你的定性变量进行时间序列回归（若为时间序列则无需加截距项，因为扰动项均值为0；若为面板，则取个体固定效应对定性变量进行截面回归）