自变量既有只随时间变化的又有只随个体变化的，所以该怎么做回归分析？

如题，自变量分为三类：1）随个体、时间变化2）只随时间变化3）只随个体变化。
本人计量小白，自学做面板数据分析，所以问这么低级的问题。
之前用双向固定效应，但好像不对，那些只随一个因素变化的都omitted了。。。
所以我的回归过程是先reg再直接用re模型，然后用BP检验嘛？也就是说，不要尝试fe模型？
有哪位大佬救救本菜鸡吗
另：如果再细分y成y_ijt的情况，但自变量里没有和j有关的，应该怎么做？

问题分析：不随时间变化的变量，在固定效应模型中会因为按个体作组内差分处理而大部分被处理为0，在实际回归中因大部分均为0而统统被omitted。所以，固定效应模型中不是适合存在不随时间变化的变量。

解决方法：
1、不使用固定效应模型，使用混合效应或随机效应模型；
2、有可能的话，改变模型设定，把那些不随时间变化的变量换为其他数值型变量，这样再做fe。


所谓的y_ijt=b0+b1x1_ijt+b2x2_ijt+...模型中，自变量x和j无关，目测y与j相关；为实现面板回归，可以ij为id分组，具体命令如下：
egen id=group(i j)
xtset id year
由此实现以ij个体分组，并存在时间序列t。但这样分组的话，自变量可能会因为存在大量重复值，而在固定效应模型中被omitted。具体结合数据情况慎用，或回归分析不要考虑这么细的情况。如果j的种类不多的话，可酌情考虑按j分组，然后用i t做面板回归。

用双向固定效应模型的话仅因时间或个体而异的变量就不用控制，都被固定效应吸收了

917968079 发表于 2021-12-26 11:00
用双向固定效应模型的话仅因时间或个体而异的变量就不用控制，都被固定效应吸收了

所以我这种情况只能用传统OLS回归或者用随机效应模型吗？

使用双向固定效应模型，把你的2、3类变量去掉