服气了。。。。现在很多人回答的时候不看问题的吗。。。。
楼主已经说明了 他的数据集是面板数据集，我记得之前已经回答过楼主的问题了，既然楼主还没太搞清楚，我再详细解释一下。

第一点：普通DID是什么，希望你能搞清楚。
正常教科书上的DID模型，或者说一般论文中使用的基准DID模型的stata语句：
reg y D(treat) D(period) D(treat)*D(period) x1 x2....xN ,r     其中D（）是两个虚拟变量
对应数据的特点：处理组事件（政策）发生前数据集 处理组事件发生后数据集 对照组（控制组）事件发生前数据集 对照组事件发生后数据集
这里必须要满足一点：每一个数据集中的个体，都可以看作是“同等”的，或者说是并列的
楼主你思考一下：你的面板数据集符合这一点吗？
面板数据集，如果你用了这个命令，那么可以看作是pooled OLS ，你确定可以这么用？

第二点，面板数据DID与普通DID的区别
二者stata语句上的不同，归根结底在于数据本身的不同。换句话说，普通DID中的数据集只有“事件发生前”和“事件发生后”（two periods）
面板数据集 是个体在不同年度的数据的集合，是多期的。换句话说，普通DID的数据，你可以选择事件发生前后两个时间点对总体随机抽样得到样本数据，而面板数据是相同的个体在不同时间点的数据，直接用pooled OLS无意义——除非你两种方法都进行参数回归，通过检验验证两个模型中变量前系数的差异是不显著的。
针对面板数据（特别是长面板），正确的命令应该是：
xtreg y D(treat) D(period) D(treat)*D(period) x1 x2 ...xN ,fe r
或者
xtreg y D(treat) D(period) D(treat)*D(period) x1 x2 ...xN  i.个体, r
以上两种方法回归结果相同，你可以测试一下。因为fe的本质就是控制个体效应

关于时间效应的控制 上个回答已经说得很清楚了，没有控制的意义。

第一个，可以再加入年度固定效应
xi: xtreg treat*time treat time x1 x2 i.year,fe

谢谢老师，我试试

第一个是未加入年度的固定效应，如果加入，就是xi: xtreg y treat time treat*time i.year x1 x2, fe r
第二个是加入了年度和个体的ols回归吧
无所谓正确，只是看哪个模型更适合，面板数据，可通过检验先在固定效应、随机效应和混合OLS等模型之间进行选择，看哪个更适合

支持楼上意见