【DID或Fixed Effect分析】请各位帮忙看看这个面板数据建模问题，谢谢！

表1：按code、yr排序

code	yr	w1	w2	y	X
1	2000
1	2001	1
1	2002	1
1	2003		1
1	2004
1	2005	1
2	2000
2	2001
2	2002
2	2003		1
2	2004		1
2	2005	1
3	2000
3	2001
3	2002
3	2003
3	2004
3	2005
4	2000
4	2001	1	1
4	2002
4	2003		1
4	2004
4	2005

表2：按yr、code排序

code	yr	w1	w2	y	X
1	2000
2	2000
3	2000
4	2000
1	2001	1
2	2001
3	2001
4	2001	1	1
1	2002	1
2	2002
3	2002
4	2002
1	2003		1
2	2003		1
3	2003
4	2003		1
1	2004
2	2004		1
3	2004
4	2004
1	2005	1
2	2005	1
3	2005
4	2005

问题如下：
假设我有N家公司（为了简便这里只列4家）6年（2000年-2005年）的面板数据。

在2001年之后出台了一个规定，对部分公司进行警告，W1为严重警告，W2为一般警告，w1、w2是虚拟变量。因此将每个截面分成了3个互斥的group，group3为没有受到警告的情况。

我的研究目的：1、想看这项政策对y的影响如何，y为我关心的被解释变量，X为控制变量集。
                     2、特定的看w1、w2的差别，也就是说警告这项政策是在w1层次还是w2层次产生了影响？

注意：1、多期数据
         2、w分为w1、w2
         3、和很多简单DID模型不一样，比如一家公司2001年被严重警告（w1），之后年份可能就变成w2或者干脆就没被警告了。
         4、警告与否的group划分并非完全随机。有可能是因为前一年的y过高，才被警告。

         谢谢各位了！

发现数据有个瑕疵，第4家公司2001年不能同时被w1和w2。。。笔误

我目前先在2001-2005年这5年之前，把所有数据pool起来，然后根据w1、w2分成的3组进行OLS回归。结果不尽理想。。。不知道这种情形能不能用DID？谢谢！

关于DID：
有没有能同时把W1和W2同时放进来的模型形式？
还是得分为从不收警告到W1、W2变W1、不受警告到W2、W1到W2……等等情况，然后每种情况分别用DID模型？