连老师说的很好，我们一定要强调自己的动手能力，先做了 再思考

来晚了，555

标记下 很好

蓝版主用xi:    reg y x1 x2   i.time      i.individual
我用xi:    reg y x1 x2   i.time，fe也能得到相同结果     

你把你的结果列出来

xi:xtreg   fatalityrate sb_useage speed65 speed70 ba08 drinkage21 lincome  age i.year ,fe
i.year            _Iyear_1983-1997    (naturally coded; _Iyear_1983 omitted)

Fixed-effects (within) regression               Number of obs      =       556
Group variable: fips                            Number of groups   =        51

R-sq:  within  = 0.7506                         Obs per group: min =         8
       between = 0.1139                                        avg =      10.9
       overall = 0.0338                                        max =        15

                                                F(21,484)          =     69.37
corr(u_i, Xb)  = -0.5086                        Prob > F           =    0.0000

------------------------------------------------------------------------------
fatalityrate |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
   sb_useage |  -.0037186   .0011328    -3.28   0.001    -.0059445   -.0014926
     speed65 |  -.0007833   .0004241    -1.85   0.065    -.0016166      .00005
     speed70 |   .0008042   .0003402     2.36   0.018     .0001358    .0014725
        ba08 |  -.0008225   .0003516    -2.34   0.020    -.0015134   -.0001316
  drinkage21 |  -.0011337   .0005353    -2.12   0.035    -.0021855   -.0000819
     lincome |   .0062643   .0038683     1.62   0.106    -.0013363     .013865
         age |    .001318   .0003834     3.44   0.001     .0005648    .0020713
_Iyear_1984 |  -.0004319   .0011763    -0.37   0.714    -.0027432    .0018794
_Iyear_1985 |  -.0010707   .0011803    -0.91   0.365    -.0033897    .0012484
_Iyear_1986 |  -.0005777   .0013086    -0.44   0.659     -.003149    .0019935
_Iyear_1987 |  -.0008722   .0015532    -0.56   0.575    -.0039241    .0021797
_Iyear_1988 |   -.001885    .001751    -1.08   0.282    -.0053256    .0015556
_Iyear_1989 |  -.0041766   .0019484    -2.14   0.033    -.0080049   -.0003482
_Iyear_1990 |   -.005266   .0021205    -2.48   0.013    -.0094325   -.0010994
_Iyear_1991 |  -.0066622   .0022348    -2.98   0.003    -.0110534   -.0022711
_Iyear_1992 |   -.008518   .0024085    -3.54   0.000    -.0132505   -.0037855
_Iyear_1993 |  -.0089399   .0025409    -3.52   0.000    -.0139324   -.0039475
_Iyear_1994 |  -.0096297   .0026961    -3.57   0.000    -.0149273   -.0043321
_Iyear_1995 |  -.0101123   .0028675    -3.53   0.000    -.0157465   -.0044781
_Iyear_1996 |  -.0110766   .0030447    -3.64   0.000     -.017059   -.0050942
_Iyear_1997 |  -.0116075   .0032097    -3.62   0.000    -.0179141   -.0053009
       _cons |  -.0779904   .0382942    -2.04   0.042    -.1532338    -.002747
-------------+----------------------------------------------------------------
     sigma_u |  .00575371
     sigma_e |  .00161752
         rho |  .92675648   (fraction of variance due to u_i)
------------------------------------------------------------------------------
F test that all u_i=0:     F(50, 484) =    36.69             Prob > F = 0.0000

刚刚发的帖子是用我那种方法做的，现在发的帖子是用您说的方法做的
xi:xtreg   fatalityrate sb_useage speed65 speed70 ba08 drinkage21 lincome  age i.year i.fips
i.year            _Iyear_1983-1997    (naturally coded; _Iyear_1983 omitted)
i.fips            _Ifips_1-56         (naturally coded; _Ifips_1 omitted)

Random-effects GLS regression                   Number of obs      =       556
Group variable: fips                            Number of groups   =        51

R-sq:  within  = 0.7506                         Obs per group: min =         8
       between = 1.0000                                        avg =      10.9
       overall = 0.9098                                        max =        15

Random effects u_i ~ Gaussian                   Wald chi2(71)      =   4881.98
corr(u_i, X)       = 0 (assumed)                Prob > chi2        =    0.0000

------------------------------------------------------------------------------
fatalityrate |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
   sb_useage |  -.0037186   .0011328    -3.28   0.001    -.0059389   -.0014982
     speed65 |  -.0007833   .0004241    -1.85   0.065    -.0016145    .0000479
     speed70 |   .0008042   .0003402     2.36   0.018     .0001375    .0014709
        ba08 |  -.0008225   .0003516    -2.34   0.019    -.0015117   -.0001333
  drinkage21 |  -.0011337   .0005353    -2.12   0.034    -.0021828   -.0000845
     lincome |   .0062643   .0038683     1.62   0.105    -.0013173     .013846
         age |    .001318   .0003834     3.44   0.001     .0005667    .0020694
_Iyear_1984 |  -.0004319   .0011763    -0.37   0.713    -.0027374    .0018736
_Iyear_1985 |  -.0010707   .0011803    -0.91   0.364    -.0033839    .0012426
_Iyear_1986 |  -.0005777   .0013086    -0.44   0.659    -.0031426    .0019871
_Iyear_1987 |  -.0008722   .0015532    -0.56   0.574    -.0039165     .002172
_Iyear_1988 |   -.001885    .001751    -1.08   0.282     -.005317     .001547
_Iyear_1989 |  -.0041766   .0019484    -2.14   0.032    -.0079954   -.0003578
_Iyear_1990 |   -.005266   .0021205    -2.48   0.013    -.0094221   -.0011098
_Iyear_1991 |  -.0066622   .0022348    -2.98   0.003    -.0110424    -.002282
_Iyear_1992 |   -.008518   .0024085    -3.54   0.000    -.0132386   -.0037973
_Iyear_1993 |  -.0089399   .0025409    -3.52   0.000    -.0139199   -.0039599
_Iyear_1994 |  -.0096297   .0026961    -3.57   0.000     -.014914   -.0043454
_Iyear_1995 |  -.0101123   .0028675    -3.53   0.000    -.0157324   -.0044922
_Iyear_1996 |  -.0110766   .0030447    -3.64   0.000     -.017044   -.0051091
_Iyear_1997 |  -.0116075   .0032097    -3.62   0.000    -.0178984   -.0053167
    _Ifips_2 |    .006243   .0024346     2.56   0.010     .0014712    .0110147
    _Ifips_4 |   .0010385   .0008262     1.26   0.209    -.0005809    .0026578
    _Ifips_5 |   .0019924    .000756     2.64   0.008     .0005106    .0034742
    _Ifips_6 |  -.0046545   .0015474    -3.01   0.003    -.0076872   -.0016217
    _Ifips_8 |  -.0046086   .0013365    -3.45   0.001    -.0072281   -.0019891
    _Ifips_9 |  -.0158628   .0022035    -7.20   0.000    -.0201815   -.0115441
   _Ifips_10 |  -.0073367   .0014704    -4.99   0.000    -.0102186   -.0044547
   _Ifips_11 |  -.0108581   .0023055    -4.71   0.000    -.0153769   -.0063393
   _Ifips_12 |  -.0047175   .0016173    -2.92   0.004    -.0078874   -.0015476
   _Ifips_13 |   -.002997   .0010758    -2.79   0.005    -.0051056   -.0008884
   _Ifips_15 |   -.007201   .0013441    -5.36   0.000    -.0098354   -.0045665
   _Ifips_16 |    .003059   .0009406     3.25   0.001     .0012155    .0049026
   _Ifips_17 |  -.0073873   .0013184    -5.60   0.000    -.0099712   -.0048033
   _Ifips_18 |   -.006817   .0008167    -8.35   0.000    -.0084177   -.0052163
   _Ifips_19 |  -.0057302   .0008816    -6.50   0.000     -.007458   -.0040024
   _Ifips_20 |  -.0054187   .0009178    -5.90   0.000    -.0072175   -.0036199
   _Ifips_21 |  -.0014577   .0006344    -2.30   0.022     -.002701   -.0002143
   _Ifips_22 |   .0031179   .0009562     3.26   0.001     .0012437    .0049921
   _Ifips_23 |  -.0081397   .0009234    -8.81   0.000    -.0099495   -.0063298
   _Ifips_24 |  -.0083354   .0015696    -5.31   0.000    -.0114117    -.005259
   _Ifips_25 |  -.0163695   .0017288    -9.47   0.000    -.0197578   -.0129812
   _Ifips_26 |  -.0060909   .0010698    -5.69   0.000    -.0081877   -.0039942
   _Ifips_27 |  -.0107385   .0011613    -9.25   0.000    -.0130146   -.0084623
   _Ifips_28 |   .0076234   .0010256     7.43   0.000     .0056133    .0096336
   _Ifips_29 |   -.004406   .0009399    -4.69   0.000    -.0062482   -.0025637
   _Ifips_30 |   .0008326   .0006533     1.27   0.202    -.0004478     .002113
   _Ifips_31 |  -.0069169   .0008188    -8.45   0.000    -.0085217   -.0053121
   _Ifips_32 |   .0012562   .0012549     1.00   0.317    -.0012033    .0037157
   _Ifips_33 |  -.0107429   .0014308    -7.51   0.000    -.0135473   -.0079386
   _Ifips_34 |  -.0146688   .0018937    -7.75   0.000    -.0183804   -.0109573
   _Ifips_35 |    .005655   .0010951     5.16   0.000     .0035086    .0078014
   _Ifips_36 |  -.0093885   .0016377    -5.73   0.000    -.0125983   -.0061787
   _Ifips_37 |  -.0012724   .0007858    -1.62   0.105    -.0028125    .0002677
   _Ifips_38 |  -.0090427   .0007569   -11.95   0.000    -.0105262   -.0075592
   _Ifips_39 |   -.008499   .0009243    -9.19   0.000    -.0103106   -.0066873
   _Ifips_40 |  -.0057419   .0006519    -8.81   0.000    -.0070196   -.0044643
   _Ifips_41 |  -.0039604   .0009906    -4.00   0.000    -.0059021   -.0020188
   _Ifips_42 |  -.0095413   .0013033    -7.32   0.000    -.0120958   -.0069868
   _Ifips_44 |  -.0162439   .0012424   -13.08   0.000    -.0186789    -.013809
   _Ifips_45 |   .0028703    .000765     3.75   0.000     .0013708    .0043697
   _Ifips_46 |  -.0026968   .0007242    -3.72   0.000    -.0041163   -.0012773
   _Ifips_47 |  -.0009243   .0008337    -1.11   0.268    -.0025583    .0007096
   _Ifips_48 |  -.0013714   .0012951    -1.06   0.290    -.0039096    .0011669
   _Ifips_49 |   .0027227   .0021511     1.27   0.206    -.0014933    .0069387
   _Ifips_50 |  -.0062963   .0008769    -7.18   0.000    -.0080149   -.0045777
   _Ifips_51 |  -.0088905   .0012492    -7.12   0.000    -.0113389    -.006442
   _Ifips_53 |  -.0086983   .0011859    -7.33   0.000    -.0110226    -.006374
   _Ifips_54 |  -.0009197   .0010392    -0.88   0.376    -.0029565    .0011171
   _Ifips_55 |   -.008633   .0009214    -9.37   0.000    -.0104389   -.0068272
   _Ifips_56 |  -.0010498   .0010567    -0.99   0.320    -.0031209    .0010213
       _cons |  -.0730503   .0377184    -1.94   0.053     -.146977    .0008765
-------------+----------------------------------------------------------------
     sigma_u |          0
     sigma_e |  .00161752
         rho |          0   (fraction of variance due to u_i)
------------------------------------------------------------------------------

两种方法得出的结果中都涉及到的变量，其变量值是相同的。不过由于方法不同，得出的变量的种类不尽相同，例如用您的方法得出的结果当中有 Wald chi2(71) =   4881.98这一栏而我的方法得出的结果中没有，用我的方法得出的结果中有F统计量而您的方法得出的结果中没有。

你这两个和你刚才写的不一样啊

reg  后面不能用fe的

你没有看清命令

. use grunfeld, clear

. xtset i t
       panel variable:  i (strongly balanced)
        time variable:  t, 1 to 20
                delta:  1 unit

.
. summarize

    Variable |       Obs        Mean    Std. Dev.       Min        Max
-------------+--------------------------------------------------------
           i |       200         5.5    2.879489          1         10
           t |       200        10.5    5.780751          1         20
         inv |       200    145.9068    216.8855        .93     1486.7
           v |       200    1081.681     1314.47      58.12     6241.7
           k |       200    276.5172    300.9475         .8     2226.3

.
. xi:  reg inv v k i.i i.t
i.i               _Ii_1-10            (naturally coded; _Ii_1 omitted)
i.t               _It_1-20            (naturally coded; _It_1 omitted)

      Source |       SS       df       MS              Number of obs =     200
-------------+------------------------------           F( 30,   169) =  111.09
       Model |  8909059.83    30  296968.661           Prob > F      =  0.0000
    Residual |  451765.099   169  2673.16627           R-squared     =  0.9517
-------------+------------------------------           Adj R-squared =  0.9432
       Total |  9360824.93   199  47039.3212           Root MSE      =  51.703

------------------------------------------------------------------------------
         inv |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
           v |    .117766   .0137459     8.57   0.000     .0906301    .1449019
           k |    .358834   .0227413    15.78   0.000     .3139404    .4037275
       _Ii_2 |    205.688   35.16198     5.85   0.000     136.2747    275.1012
       _Ii_3 |   -134.883   35.69346    -3.78   0.000    -205.3455   -64.42053
       _Ii_4 |   96.02016   50.70017     1.89   0.060    -4.067075    196.1074
       _Ii_5 |  -5.584565   57.80644    -0.10   0.923    -119.7003    108.5311
       _Ii_6 |   103.5842   54.15037     1.91   0.057    -3.314036    210.4825
       _Ii_7 |   51.98241   58.15407     0.89   0.373    -62.81955    166.7844
       _Ii_8 |   68.19062     50.949     1.34   0.183    -32.38782    168.7691
       _Ii_9 |   30.73978   55.69888     0.55   0.582     -79.2154     140.695
      _Ii_10 |   127.6405   58.50021     2.18   0.030     12.15516    243.1257
       _It_2 |  -19.22698   23.66587    -0.81   0.418    -65.94578    27.49183
       _It_3 |  -40.75957   24.68496    -1.65   0.101    -89.49016    7.971027
       _It_4 |  -39.30416   23.22623    -1.69   0.092    -85.15508    6.546762
       _It_5 |  -69.57454   23.64614    -2.94   0.004    -116.2544   -22.89467
       _It_6 |  -44.34503   23.79979    -1.86   0.064     -91.3282    2.638137
       _It_7 |  -18.92864   23.68413    -0.80   0.425    -65.68349    27.82622
       _It_8 |  -21.27835   23.37221    -0.91   0.364    -67.41744    24.86074
       _It_9 |   -43.1309   23.54334    -1.83   0.069    -89.60782     3.34602
      _It_10 |  -43.25219   23.60061    -1.83   0.069    -89.84215    3.337778
      _It_11 |  -55.84874   23.88585    -2.34   0.021    -103.0018   -8.695669
      _It_12 |  -34.93979   24.12549    -1.45   0.149    -82.56593    12.68636
      _It_13 |  -39.62864   23.77511    -1.67   0.097    -86.56311    7.305817
      _It_14 |  -43.98911   23.96165    -1.84   0.068    -91.29181    3.313597
      _It_15 |  -73.80117   24.17536    -3.05   0.003    -121.5258   -26.07657
      _It_16 |  -76.22366   24.33812    -3.13   0.002    -124.2696   -28.17775
      _It_17 |  -62.84032   24.85648    -2.53   0.012    -111.9095   -13.77113
      _It_18 |   -65.0783    25.3425    -2.57   0.011    -115.1069   -15.04966
      _It_19 |  -69.21779   26.60449    -2.60   0.010    -121.7377   -16.69786
      _It_20 |  -94.09763   27.10305    -3.47   0.001    -147.6018   -40.59349
       _cons |  -87.26677   56.02337    -1.56   0.121    -197.8625    23.32899
------------------------------------------------------------------------------

. xi:xtreg inv v k     i.t, fe
i.t               _It_1-20            (naturally coded; _It_1 omitted)

Fixed-effects (within) regression               Number of obs      =       200
Group variable: i                               Number of groups   =        10

R-sq:  within  = 0.7987                         Obs per group: min =        20
       between = 0.8155                                        avg =      20.0
       overall = 0.8076                                        max =        20

                                                F(21,169)          =     31.92
corr(u_i, Xb)  = -0.3275                        Prob > F           =    0.0000

------------------------------------------------------------------------------
         inv |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
           v |    .117766   .0137459     8.57   0.000     .0906301    .1449019
           k |    .358834   .0227413    15.78   0.000     .3139404    .4037275
       _It_2 |  -19.22698   23.66587    -0.81   0.418    -65.94578    27.49183
       _It_3 |  -40.75957   24.68496    -1.65   0.101    -89.49016    7.971027
       _It_4 |  -39.30416   23.22623    -1.69   0.092    -85.15508    6.546762
       _It_5 |  -69.57454   23.64614    -2.94   0.004    -116.2544   -22.89467
       _It_6 |  -44.34503   23.79979    -1.86   0.064     -91.3282    2.638137
       _It_7 |  -18.92864   23.68413    -0.80   0.425    -65.68349    27.82622
       _It_8 |  -21.27835   23.37221    -0.91   0.364    -67.41744    24.86074
       _It_9 |   -43.1309   23.54334    -1.83   0.069    -89.60782     3.34602
      _It_10 |  -43.25219   23.60061    -1.83   0.069    -89.84215    3.337778
      _It_11 |  -55.84874   23.88585    -2.34   0.021    -103.0018   -8.695669
      _It_12 |  -34.93979   24.12549    -1.45   0.149    -82.56593    12.68636
      _It_13 |  -39.62864   23.77511    -1.67   0.097    -86.56311    7.305817
      _It_14 |  -43.98911   23.96165    -1.84   0.068    -91.29181    3.313597
      _It_15 |  -73.80117   24.17536    -3.05   0.003    -121.5258   -26.07657
      _It_16 |  -76.22366   24.33812    -3.13   0.002    -124.2696   -28.17775
      _It_17 |  -62.84032   24.85648    -2.53   0.012    -111.9095   -13.77113
      _It_18 |   -65.0783    25.3425    -2.57   0.011    -115.1069   -15.04966
      _It_19 |  -69.21779   26.60449    -2.60   0.010    -121.7377   -16.69786
      _It_20 |  -94.09763   27.10305    -3.47   0.001    -147.6018   -40.59349
       _cons |  -32.92897   18.86729    -1.75   0.083     -70.1749    4.316966
-------------+----------------------------------------------------------------
     sigma_u |  91.618107
     sigma_e |  51.702672
         rho |  .75845706   (fraction of variance due to u_i)
------------------------------------------------------------------------------
F test that all u_i=0:     F(9, 169) =    52.19              Prob > F = 0.0000

. xi:xtreg inv v k i.i i.t, re
i.i               _Ii_1-10            (naturally coded; _Ii_1 omitted)
i.t               _It_1-20            (naturally coded; _It_1 omitted)

Random-effects GLS regression                   Number of obs      =       200
Group variable: i                               Number of groups   =        10

R-sq:  within  = 0.7987                         Obs per group: min =        20
       between = 1.0000                                        avg =      20.0
      overall = 0.9517                                        max =        20

                                                Wald chi2(30)      =   3332.77
corr(u_i, X)   = 0 (assumed)                    Prob > chi2        =    0.0000

------------------------------------------------------------------------------
         inv |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
           v |    .117766   .0137459     8.57   0.000     .0908244    .1447075
           k |    .358834   .0227413    15.78   0.000     .3142619    .4034061
       _Ii_2 |    205.688   35.16198     5.85   0.000     136.7717    274.6042
       _Ii_3 |   -134.883   35.69346    -3.78   0.000    -204.8409   -64.92511
       _Ii_4 |   96.02016   50.70017     1.89   0.058    -3.350354    195.3907
       _Ii_5 |  -5.584565   57.80644    -0.10   0.923    -118.8831     107.714
       _Ii_6 |   103.5842   54.15037     1.91   0.056    -2.548542     209.717
       _Ii_7 |   51.98241   58.15407     0.89   0.371    -61.99746    165.9623
       _Ii_8 |   68.19062     50.949     1.34   0.181    -31.66758    168.0488
       _Ii_9 |   30.73978   55.69888     0.55   0.581    -78.42802    139.9076
      _Ii_10 |   127.6405   58.50021     2.18   0.029     12.98215    242.2988
       _It_2 |  -19.22698   23.66587    -0.81   0.417    -65.61123    27.15728
       _It_3 |  -40.75957   24.68496    -1.65   0.099     -89.1412    7.622069
       _It_4 |  -39.30416   23.22623    -1.69   0.091    -84.82674    6.218425
       _It_5 |  -69.57454   23.64614    -2.94   0.003    -115.9201   -23.22895
       _It_6 |  -44.34503   23.79979    -1.86   0.062    -90.99175    2.301692
       _It_7 |  -18.92864   23.68413    -0.80   0.424    -65.34868    27.49141
       _It_8 |  -21.27835   23.37221    -0.91   0.363    -67.08704    24.53034
       _It_9 |   -43.1309   23.54334    -1.83   0.067      -89.275      3.0132
      _It_10 |  -43.25219   23.60061    -1.83   0.067    -89.50852    3.004149
      _It_11 |  -55.84874   23.88585    -2.34   0.019    -102.6642    -9.03333
      _It_12 |  -34.93979   24.12549    -1.45   0.148    -82.22488    12.34531
      _It_13 |  -39.62864   23.77511    -1.67   0.096    -86.22701    6.969721
      _It_14 |  -43.98911   23.96165    -1.84   0.066    -90.95308    2.974864
      _It_15 |  -73.80117   24.17536    -3.05   0.002     -121.184   -26.41832
      _It_16 |  -76.22366   24.33812    -3.13   0.002    -123.9255   -28.52181
      _It_17 |  -62.84032   24.85648    -2.53   0.011    -111.5581   -14.12251
      _It_18 |   -65.0783    25.3425    -2.57   0.010    -114.7487   -15.40791
      _It_19 |  -69.21779   26.60449    -2.60   0.009    -121.3616   -17.07396
      _It_20 |  -94.09763   27.10305    -3.47   0.001    -147.2186   -40.97663
       _cons |  -87.26677   56.02337    -1.56   0.119    -197.0706    22.53702
-------------+----------------------------------------------------------------
     sigma_u |          0
     sigma_e |  51.702672
         rho |          0   (fraction of variance due to u_i)
------------------------------------------------------------------------------

grunfeld.rar
大小:(2.73 KB)

 马上下载

本附件包括：

• grunfeld.dta

use grunfeld, clear
xtset i t

summarize

xi:  reg inv v k i.i i.t
xi:xtreg inv v k     i.t, fe
xi:xtreg inv v k i.i i.t, re
xi:xtreg inv v k i.i i.t         /*缺少就是re 模型*/

我错了。打字时把xtreg中的xt这两个字母漏掉了

谢谢，学习了

您好！请教您一个问题。我看了您发的关于做双向固定效应的命令，我尝试了下xi:xtreg y x1 x2 i.time, fe i(firm)这个命令。但是运行的结果只有time的截距项，并没有firm的。双向固定效应应该有这两部分的截距项对吧？请问命令差在哪里呢？

连老师：您好!
  我的数据运行
xi: xtreg y x1 x2   i.time ,fe i(individual)

xi:    reg y x1 x2   i.time      i.individual
上述两个命令结果完全不同啊，是什么原因呢？敬请指教.

楼主你没弄明白，第一个只能做一个因素固定效应分析，当然只显示一个时间的系数了

好的，谢谢蓝色版主大哥了
帮了个大忙，呵呵，感激哦
5025515

请问：我用了xi：xtreg 变量 i.date ,fe i(ind),为什么会出现解释变量有一个在回归中被省略

请问您得到这个问题的答案了吗？在下也在困惑这个问题

大神哥  用XI 后 有一个虚拟变量 显示naturally coded  被剔除了怎么解决啊

请问老师：xtreg y X1 X2 i.year, fe i(indusrty) 这种也是双向固定效应吗  就是控制时间和行业（而非个体）

老师您好，请问近期国外文献中公司层面固定效应（firm fixed effect)是不是直接在该模型后面加上公司的虚拟变量比如xtreg y x1 x2 i.year i.number,fe ,     number代表上市公司股票代码（唯一），这与固定效应模型设置（xtset number year）有什么区别，还是只要xtset后就不需要加入虚拟变量i.number了