arlionn老师对我之前的疑问做了一些解答，之后我又发了新的回复，之后就没有回答了，我想可能是arlionn以为我提的问题已经解决了吧，因此这里再次把它贴出，期待包括arlionn等老师授业解惑。

“谢谢arlionn热心的解答，不过你说的这些我能理解，我也正在看Greene的书，我说的理解不清楚的是，随机系数模型中，估计参数b随个体的异质性变化而变化这种情况，也就是不同的个体具有不同的参数b[i]，模型形式为：
y[i]=X[i]b[i]+u[i]
你说的a[i],实质上是b[i]中常数项的异质性特征（要么固定效应，要么随机效应），其他参数对于每一个个体都是相同的，而随机系数模型是所有参数随个体不同而不同。

而在sur模型中，b也是随个体的不同而不同的，尽管格林 表示在sur模型中，下标t并不代表时间序列，但是他举的例子，格伦菲尔德的例子，似乎t确实代表了时间序列，那么在形成面板数据的情况下，是选择sur模型，还是随机系数模型？

这两个模型从本质上来说有什么区别，他们的协方差结构有什么区别？”

“另外，还想问一下arlionn，最小二乘虚拟估计和固定效应法是不是等价的？如果不是，那么固定效应法的估计量是组间估计量还是总估计量？由于最小二乘虚拟估计量是组内估计量，这个组内估计量是有效的吗？假如有效，那么组间的信息是不是在模型中无用了？格林第五版13章3节的总估计量到底是什么估计量？他有没有用？
再次谢谢arlionn”