请教非平衡面板数据、分位数回归和ols回归的区别

我的目的是估计收入方程，被解释变量是收入差异，解释变量是教育、性别等因素，目的是得出教育性别等因素对行业收入差异的解释程度。
      得到的数据是8个企业2007-2012年的收入、教育、性别等数据，其中4个企业是电力行业，4个企业是纺织行业。设置了虚拟变量区分两种行业。
      现在的问题是，如果用OLS回归，虚拟变量的系数不显著，与理论不符（有可能是样本太少），但我现在找不到更多样本，所以想问：
1、可不可以直接混合OLS回归，不考虑时间因素的影响，因为我解释变量中加入了净资产，觉得应该可以当作年份的差异。如若不可以，请问面板数据怎么操作？
2、用分位数回归0.5，sqreg y x1 x2,quant(0.5)；此方法得出的系数显著，但是不知其与OLS回归的区别在哪，我是否可以分位数回归？
3、用大样本回归，即reg y x1 x2,robust；此方法系数也显著，不知与OLS回归的区别在哪，我是否可以用？
上述这几种方法我应该用哪个，或者还有其他更好的，因为我样本个数有限，我是菜鸟，还请告知！！非常感谢！！

2.用分位数回归0.5，sqreg y x1 x2,quant(0.5)
这个是中位数回归，一般的OLS是均值回归。

3用大样本回归，即reg y x1 x2,robust
加了robust选项，可以克服或者减轻异方差对模型估计的影响。

那像我这种情况，我应该用哪个呢？我可不可以混合OLS回归，不管时间因素

面板数据的优势是考虑了个体之间的差异
至于包不包含时间固定效应，这些需要检验的。