双向固定效应下时间虚拟变量结果与引入时间趋势结果相差过大？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

        本文目前做一组面板数据，在混合回归、固定效应、随机效应选择时，选择了固定效应，考虑到可能存在的时间效应，引入双向固定效应。        但是发现，直接采用时间虚拟变量的双向固定效应与引入时间趋势t的双向固定效应结果相差过大，后本人又使用lsdv方法做了一遍，还是相差过大，求解释。
        我的理解中，这两个回归的结果应该可以直接对比才对吧？怎么会连符号都是反的？       提供原始数据求赐教，不胜感激 test.xlsx (118.92 KB)

2013-9-6 11:26:30 上传

xtreg growth lineq lineq2 sk lab gov urb free inf year2-year26,fe vce(cluster  state)

Fixed-effects (within) regression               Number of obs      =       676
Group variable: state                           Number of groups   =        26

R-sq:  within  = 0.6633                         Obs per group: min =        26
       between = 0.1240                                        avg =      26.0
       overall = 0.5596                                        max =        26

                                                F(25,25)           =         .
corr(u_i, Xb)  = -0.3070                        Prob > F           =         .

                                 (Std. Err. adjusted for 26 clusters in state)
------------------------------------------------------------------------------
             |               Robust
      growth |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
       lineq |  -.8635252   2.093989    -0.41   0.684    -5.176176    3.449126
      lineq2 |   .2544478   .3179352     0.80   0.431     -.400352    .9092476
          sk |   .1288633   .0299593     4.30   0.000     .0671611    .1905656
         lab |   .0107866   .0796543     0.14   0.893    -.1532645    .1748377
         gov |   .1416641   .0755192     1.88   0.072    -.0138707    .2971989
         urb |  -.0743788   .0183281    -4.06   0.000    -.1121262   -.0366315
        free |  -.0260178   .0212988    -1.22   0.233    -.0698835     .017848
         inf |  -1.429839   1.706492    -0.84   0.410    -4.944424    2.084747
       year2 |  -.5238741   1.311369    -0.40   0.693    -3.224689    2.176941
       year3 |   .8228026   1.239182     0.66   0.513    -1.729341    3.374946
       year4 |  -2.114758   1.239279    -1.71   0.100      -4.6671     .437584
       year5 |    13.8368   1.769161     7.82   0.000     10.19314    17.48045
       year6 |  -3.979693   1.311379    -3.03   0.006    -6.680528   -1.278858
       year7 |   3.010125   1.397518     2.15   0.041     .1318832    5.888367
       year8 |   3.805373   1.621175     2.35   0.027     .4665005    7.144246
       year9 |   6.094947   1.922175     3.17   0.004     2.136154    10.05374
      year10 |    17.1785   2.521036     6.81   0.000     11.98633    22.37067
      year11 |   11.81559   2.065792     5.72   0.000      7.56101    16.07017
      year12 |   2.527148   1.681131     1.50   0.145    -.9352063    5.989503
      year13 |  -3.081213   1.424111    -2.16   0.040    -6.014225   -.1482022
      year14 |  -7.828048   1.301543    -6.01   0.000    -10.50863   -5.147469
      year15 |  -6.041721   1.406253    -4.30   0.000    -8.937954   -3.145488
      year16 |  -6.479232   1.518945    -4.27   0.000    -9.607558   -3.350905
      year17 |  -3.812392   1.529501    -2.49   0.020    -6.962459   -.6623263
      year18 |  -3.405987     1.8565    -1.83   0.078     -7.22952    .4175454
      year19 |   .9172535    2.07527     0.44   0.662    -3.356846    5.191353
      year20 |    3.00897   2.054839     1.46   0.156     -1.22305    7.240991
      year21 |   .1064575   1.859886     0.06   0.955     -3.72405    3.936965
      year22 |  -1.020915    2.19289    -0.47   0.646    -5.537257    3.495428
      year23 |   1.401365   2.306282     0.61   0.549    -3.348512    6.151242
      year24 |   .1244292   2.393551     0.05   0.959    -4.805181    5.054039
      year25 |  -2.373303    2.40414    -0.99   0.333    -7.324722    2.578116
      year26 |   .1464293   2.432795     0.06   0.952    -4.864006    5.156865
       _cons |   11.17588   5.293276     2.11   0.045     .2741766    22.07759
-------------+----------------------------------------------------------------
     sigma_u |  2.5780625
     sigma_e |  4.3832578
         rho |  .25702135   (fraction of variance due to u_i)
------------------------------------------------------------------------------



xtreg growth lineq lineq2 sk lab gov urb free inf t,fe vce(cluster state)

Fixed-effects (within) regression               Number of obs      =       676
Group variable: state                           Number of groups   =        26

R-sq:  within  = 0.2144                         Obs per group: min =        26
       between = 0.0112                                        avg =      26.0
       overall = 0.0611                                        max =        26

                                                F(9,25)            =     14.62
corr(u_i, Xb)  = -0.8464                        Prob > F           =    0.0000

                                 (Std. Err. adjusted for 26 clusters in state)
------------------------------------------------------------------------------
             |               Robust
      growth |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
       lineq |   21.50038   4.686173     4.59   0.000     11.84903    31.15174
      lineq2 |     -1.901   .7040963    -2.70   0.012    -3.351113    -.450886
          sk |   .2079216   .0454613     4.57   0.000     .1142924    .3015509
         lab |   .2471607   .1181887     2.09   0.047     .0037465    .4905749
         gov |   .0352942   .1315356     0.27   0.791    -.2356084    .3061969
         urb |  -.0795639   .0781119    -1.02   0.318    -.2404385    .0813106
        free |   .0120288   .0194182     0.62   0.541    -.0279637    .0520213
         inf |  -.4286012   1.910528    -0.22   0.824    -4.363407    3.506205
           t |  -.9213756   .1123752    -8.20   0.000    -1.152817   -.6899345
       _cons |  -34.73503   7.191513    -4.83   0.000    -49.54623   -19.92383
-------------+----------------------------------------------------------------
     sigma_u |  5.6862185
     sigma_e |   6.568536
         rho |  .42837332   (fraction of variance due to u_i)
------------------------------------------------------------------------------



下文2楼给出lsdv结果

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏5 回帖

关键词：虚拟变量 固定效应 时间趋势 fixed-effect regression 不胜感激 growth within

reg growth lineq lineq2 sk lab gov urb free inf state2-state26 t,vce(cluster s
> tate)

Linear regression                                      Number of obs =     676
                                                       F(  8,    25) =       .
                                                       Prob > F      =       .
                                                       R-squared     =  0.2275
                                                       Root MSE      =  6.5685

                                 (Std. Err. adjusted for 26 clusters in state)
------------------------------------------------------------------------------
             |               Robust
      growth |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
       lineq |   21.50038   4.776683     4.50   0.000     11.66262    31.33815
      lineq2 |     -1.901   .7176954    -2.65   0.014    -3.379121   -.4228781
          sk |   .2079216   .0463393     4.49   0.000      .112484    .3033592
         lab |   .2471607   .1204714     2.05   0.051    -.0009548    .4952763
         gov |   .0352942   .1340761     0.26   0.795    -.2408407    .3114292
         urb |  -.0795639   .0796206    -1.00   0.327    -.2435457    .0844178
        free |   .0120288   .0197932     0.61   0.549    -.0287361    .0527938
         inf |  -.4286012   1.947428    -0.22   0.828    -4.439405    3.582202
      state2 |   2.033977   1.106312     1.84   0.078    -.2445156    4.312469
      state3 |   3.272145    2.35073     1.39   0.176    -1.569273    8.113564
      state4 |   .6090127   1.767007     0.34   0.733    -3.030205    4.248231
      state5 |   5.891206     .98186     6.00   0.000     3.869027    7.913384
      state6 |   4.595543   2.027948     2.27   0.032     .4189062     8.77218
      state7 |   7.091115   1.211862     5.85   0.000     4.595238    9.586991
      state8 |   5.606283   .6759217     8.29   0.000     4.214196     6.99837
      state9 |   .7133424   2.499068     0.29   0.778    -4.433584    5.860269
     state10 |   .0344972   .6259324     0.06   0.956    -1.254635    1.323629
     state11 |   4.826062   .5553308     8.69   0.000     3.682337    5.969787
     state12 |   1.099541   1.210345     0.91   0.372     -1.39321    3.592293
     state13 |   .3504911   1.882989     0.19   0.854    -3.527597    4.228579
     state14 |  -.7953241   1.036964    -0.77   0.450    -2.930991    1.340342
     state15 |  -2.888429   1.008797    -2.86   0.008    -4.966086   -.8107714
     state16 |  -1.949641   1.750664    -1.11   0.276      -5.5552    1.655919
     state17 |  -2.504878   2.341019    -1.07   0.295    -7.326296     2.31654
     state18 |  -5.598281   1.812054    -3.09   0.005    -9.330277   -1.866286
     state19 |  -10.15828   2.765076    -3.67   0.001    -15.85306   -4.463504
     state20 |  -12.72886   1.982426    -6.42   0.000    -16.81174   -8.645978
     state21 |  -12.43597   2.468165    -5.04   0.000    -17.51925   -7.352685
     state22 |  -7.885596   1.590137    -4.96   0.000    -11.16054   -4.610648
     state23 |  -8.308606    2.19822    -3.78   0.001    -12.83593   -3.781287
     state24 |  -7.485242   2.626755    -2.85   0.009    -12.89515   -2.075338
     state25 |  -5.573155   1.812323    -3.08   0.005    -9.305705   -1.840606
     state26 |  -5.374712   1.204074    -4.46   0.000    -7.854548   -2.894875
           t |  -.9213756   .1145456    -8.04   0.000    -1.157287   -.6854644
       _cons |  -32.90565   7.107282    -4.63   0.000    -47.54337   -18.26793
------------------------------------------------------------------------------






reg growth lineq lineq2 sk lab gov urb free inf state2-state26 year2-year26,vc
> e(cluster state)

Linear regression                                      Number of obs =     676
                                                       F( 24,    25) =       .
                                                       Prob > F      =       .
                                                       R-squared     =  0.6689
                                                       Root MSE      =  4.3833

                                 (Std. Err. adjusted for 26 clusters in state)
------------------------------------------------------------------------------
             |               Robust
      growth |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
       lineq |  -.8635252   2.135991    -0.40   0.689     -5.26268     3.53563
      lineq2 |   .2544478   .3243124     0.78   0.440    -.4134861    .9223817
          sk |   .1288633   .0305602     4.22   0.000     .0659234    .1918032
         lab |   .0107866    .081252     0.13   0.895     -.156555    .1781282
         gov |   .1416641    .077034     1.84   0.078    -.0169904    .3003187
         urb |  -.0743788   .0186957    -3.98   0.001    -.1128834   -.0358743
        free |  -.0260178    .021726    -1.20   0.242    -.0707634    .0187279
         inf |  -1.429839   1.740721    -0.82   0.419     -5.01492    2.155243
      state2 |   4.578501   .9969806     4.59   0.000     2.525181    6.631821
      state3 |   6.206206   2.572949     2.41   0.024     .9071177    11.50529
      state4 |  -3.047493   .8397348    -3.63   0.001    -4.776959   -1.318026
      state5 |   1.697264   .4762059     3.56   0.002     .7164996    2.678028
      state6 |   -.717325   .8703205    -0.82   0.418    -2.509784    1.075134
      state7 |   1.296777   .4494138     2.89   0.008      .371192    2.222362
      state8 |   1.028977    .474765     2.17   0.040     .0511799    2.006774
      state9 |   .9813717   .8845387     1.11   0.278    -.8403698    2.803113
     state10 |   1.302932   .3085378     4.22   0.000     .6674865    1.938377
     state11 |   1.867529   .3044039     6.14   0.000     1.240598    2.494461
     state12 |  -.1798492   .7996371    -0.22   0.824    -1.826733    1.467034
     state13 |   .9806092   .5967365     1.64   0.113    -.2483925    2.209611
     state14 |   4.180703   1.001238     4.18   0.000     2.118616    6.242791
     state15 |   .1628793   .4628423     0.35   0.728    -.7903623    1.116121
     state16 |    1.20586   .6554175     1.84   0.078    -.1439978    2.555718
     state17 |   1.776003   .9301106     1.91   0.068    -.1395953    3.691602
     state18 |  -3.357137   .9056819    -3.71   0.001    -5.222424    -1.49185
     state19 |  -5.143221   1.278513    -4.02   0.000    -7.776368   -2.510073
     state20 |  -1.328642    1.07054    -1.24   0.226    -3.533461    .8761768
     state21 |   1.427942   1.323121     1.08   0.291    -1.297076     4.15296
     state22 |  -.3387127   .7858022    -0.43   0.670    -1.957103    1.279677
     state23 |  -.7683934   1.108213    -0.69   0.494    -3.050802    1.514015
     state24 |  -2.779122   1.321877    -2.10   0.046    -5.501578   -.0566656
     state25 |  -2.345379   .7562377    -3.10   0.005     -3.90288   -.7878788
     state26 |   3.501473   1.106234     3.17   0.004     1.223141    5.779805
       year2 |  -.5238741   1.337673    -0.39   0.699    -3.278863    2.231115
       year3 |   .8228026   1.264038     0.65   0.521    -1.780532    3.426138
       year4 |  -2.114758   1.264136    -1.67   0.107    -4.718296    .4887793
       year5 |    13.8368   1.804647     7.67   0.000     10.12006    17.55354
       year6 |  -3.979693   1.337683    -2.98   0.006    -6.734702   -1.224684
       year7 |   3.010125    1.42555     2.11   0.045      .074151      5.9461
       year8 |   3.805373   1.653693     2.30   0.030     .3995289    7.211218
       year9 |   6.094947    1.96073     3.11   0.005     2.056748    10.13315
      year10 |    17.1785   2.571604     6.68   0.000     11.88218    22.47482
      year11 |   11.81559   2.107228     5.61   0.000     7.475671    16.15551
      year12 |   2.527148   1.714852     1.47   0.153    -1.004655    6.058952
      year13 |  -3.081213   1.452676    -2.12   0.044    -6.073055   -.0893714
      year14 |  -7.828048    1.32765    -5.90   0.000    -10.56239   -5.093702
      year15 |  -6.041721    1.43446    -4.21   0.000    -8.996047   -3.087394
      year16 |  -6.479232   1.549413    -4.18   0.000    -9.670306   -3.288157
      year17 |  -3.812392    1.56018    -2.44   0.022    -7.025643   -.5991417
      year18 |  -3.405987   1.893738    -1.80   0.084    -7.306213    .4942384
      year19 |   .9172535   2.116896     0.43   0.669    -3.442576    5.277083
      year20 |    3.00897   2.096055     1.44   0.164    -1.307936    7.325877
      year21 |   .1064575   1.897192     0.06   0.956    -3.800883    4.013798
      year22 |  -1.020915   2.236876    -0.46   0.652    -5.627846    3.586017
      year23 |   1.401365   2.352542     0.60   0.557    -3.443785    6.246515
      year24 |   .1244292   2.441561     0.05   0.960    -4.904059    5.152918
      year25 |  -2.373303   2.452363    -0.97   0.342    -7.424038    2.677432
      year26 |   .1464293   2.481592     0.06   0.953    -4.964506    5.257365
       _cons |   10.70705   5.434119     1.97   0.060    -.4847329    21.89882
------------------------------------------------------------------------------

我知道在短面板的情况下，多使用虚拟变量法；
长面板多使用时间趋势法，但是这个有没有严格的区分？我也没看到权威文献有这种分类，或者对二者结果的模拟对比研究

我觉得是
时间趋势是在时间变化上的平均效应  每年都变相同的值
时间项变成虚拟变量   各个虚拟变量代表的是每一年的变化值  这与平均效应肯定不一样

    从你的时间虚拟变量看  感觉像个开口向下的抛物线
你给时间趋势加个t平方项看看 这项系数是不是显著为负

pheadena 发表于 2013-9-22 16:30
我觉得是
时间趋势是在时间变化上的平均效应  每年都变相同的值
时间项变成虚拟变量   各个虚拟变量代表的 ...

谢谢你对此问题的关注与回复；
你说的很对，可是这正是我疑惑的问题，考虑控制时间效应的情况下，如何区别对待？
不同的方法，不仅导致了系数大小变化，甚至符号变化

玄一无相 发表于 2013-9-22 18:38
谢谢你对此问题的关注与回复；
你说的很对，可是这正是我疑惑的问题，考虑控制时间效应的情况下，如何区 ...

不知行不行，我是这样想得
给时间趋势加上二次和三次项后，其他解释变量的系数会不会变的和时间虚拟变量一致？

一方面，如果两种方法导致估计系数差异很大，说明不稳健啊，所以我觉得会不会是遗漏重要解释变量的原因——比如时间趋势的更高次项。
同时，从你的时间虚拟变量看，时间效应真的很接近先增加后减小的趋势。

玄一无相 发表于 2013-9-22 18:38
谢谢你对此问题的关注与回复；
你说的很对，可是这正是我疑惑的问题，考虑控制时间效应的情况下，如何区 ...

我按我的想法试了一下，发现确实不一样。呵呵。。。。
结果如下：
t1 t2 t3 t4 分别为时间的一，二，三，四次项


Fixed-effects (within) regression               Number of obs      =       676
Group variable: country                         Number of groups   =        26

R-sq:  within  = 0.2657                         Obs per group: min =        26
       between = 0.0266                                        avg =      26.0
       overall = 0.0697                                        max =        26

                                                F(12,25)           =     55.64
corr(u_i, Xb)  = -0.8239                        Prob > F           =    0.0000

                                 (Std. Err. adjusted for 26 clusters in state)
------------------------------------------------------------------------------
             |               Robust
      growth |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
       lineq |   21.94946   6.091789     3.60   0.001     9.403187    34.49574
      lineq2 |  -2.131985   .8990281    -2.37   0.026    -3.983568    -.280402
          sk |   .1098602   .0461121     2.38   0.025     .0148905    .2048299
         lab |   .3005147   .0980965     3.06   0.005     .0984812    .5025483
         gov |  -.0663662   .1013698    -0.65   0.519    -.2751413    .1424089
         urb |  -.0940144   .0365628    -2.57   0.016    -.1693168   -.0187119
        free |   .0144592   .0214612     0.67   0.507    -.0297409    .0586593
         inf |  -3.871761   2.078602    -1.86   0.074    -8.152723    .4091999
          t1 |   1.189317   .7600399     1.56   0.130    -.3760148    2.754648
          t2 |  -.2906328   .1218189    -2.39   0.025    -.5415235   -.0397421
          t3 |   .0136187   .0072961     1.87   0.074    -.0014078    .0286452
          t4 |  -.0001783   .0001412    -1.26   0.218    -.0004691    .0001125
       _cons |  -35.76921   9.926257    -3.60   0.001    -56.21272    -15.3257
-------------+----------------------------------------------------------------
     sigma_u |  5.9774796
     sigma_e |  6.3653111
         rho |  .46860928   (fraction of variance due to u_i)
------------------------------------------------------------------------------

------------------------------------------------------------------------------

Linear regression                                      Number of obs =     676
                                                       F( 11,    25) =       .
                                                       Prob > F      =       .
                                                       R-squared     =  0.2780
                                                       Root MSE      =  6.3653

                               (Std. Err. adjusted for 26 clusters in country)
------------------------------------------------------------------------------
             |               Robust
      growth |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
       lineq |   21.94946   6.209995     3.53   0.002     9.159737    34.73919
      lineq2 |  -2.131985    .916473    -2.33   0.028    -4.019497   -.2444735
          sk |   .1098602   .0470069     2.34   0.028     .0130477    .2066727
         lab |   .3005147         .1     3.01   0.006     .0945609    .5064686
         gov |  -.0663662   .1033368    -0.64   0.527    -.2791924      .14646
         urb |  -.0940144   .0372723    -2.52   0.018     -.170778   -.0172507
        free |   .0144592   .0218776     0.66   0.515    -.0305986     .059517
         inf |  -3.871761   2.118936    -1.83   0.080    -8.235791    .4922686
          t1 |   1.189317   .7747878     1.54   0.137    -.4063889    2.785022
          t2 |  -.2906328   .1241827    -2.34   0.028    -.5463918   -.0348738
          t3 |   .0136187   .0074376     1.83   0.079    -.0016994    .0289367
          t4 |  -.0001783    .000144    -1.24   0.227    -.0004748    .0001182
    s_dummy1 |   -7.72523   2.302902    -3.35   0.003    -12.46814   -2.982316
    s_dummy2 |  -1.207907   1.735048    -0.70   0.493    -4.781306    2.365491
    s_dummy3 |  -4.897379   2.551137    -1.92   0.066    -10.15154     .356785
    s_dummy4 |  -16.34642   3.378266    -4.84   0.000    -23.30409   -9.388751
    s_dummy5 |  -9.295265   2.762111    -3.37   0.002    -14.98394   -3.606591
    s_dummy6 |  -13.46228   3.710817    -3.63   0.001    -21.10485   -5.819711
    s_dummy7 |  -4.493435   1.732861    -2.59   0.016    -8.062328    -.924541
    s_dummy8 |   -2.41936   1.876708    -1.29   0.209    -6.284512    1.445792
    s_dummy9 |   4.368623   1.612653     2.71   0.012     1.047302    7.689943
   s_dummy10 |  -5.145016   2.369031    -2.17   0.040    -10.02413   -.2659049
   s_dummy11 |  -6.419848   2.337716    -2.75   0.011    -11.23446   -1.605232
   s_dummy12 |  -5.335283   2.661441    -2.00   0.056    -10.81662    .1460578
   s_dummy13 |   3.317797   1.465112     2.26   0.032     .3003425    6.335252
   s_dummy14 |   2.695289   .6062418     4.45   0.000      1.44671    3.943867
   s_dummy15 |   .4090904   1.590187     0.26   0.799    -2.865962    3.684143
   s_dummy16 |   1.476149   1.050708     1.40   0.172    -.6878236    3.640122
   s_dummy17 |    2.32939    1.88429     1.24   0.228    -1.551377    6.210157
   s_dummy18 |  -7.213393   2.968016    -2.43   0.023    -13.32614   -1.100649
   s_dummy19 |  -13.39415   3.595403    -3.73   0.001    -20.79902    -5.98928
   s_dummy20 |  -11.15845   2.717701    -4.11   0.000    -16.75566   -5.561237
   s_dummy21 |  -2.645909   1.381049    -1.92   0.067    -5.490232    .1984135
   s_dummy22 |  -10.31965   3.214541    -3.21   0.004    -16.94012   -3.699178
   s_dummy23 |  -2.778377    2.47073    -1.12   0.271     -7.86694    2.310187
   s_dummy24 |  -6.704745   3.094692    -2.17   0.040    -13.07838   -.3311068
   s_dummy25 |  -16.07881   4.194858    -3.83   0.001    -24.71828   -7.439336
       _cons |  -30.67519   9.693696    -3.16   0.004    -50.63973   -10.71065
------------------------------------------------------------------------------

Linear regression                                      Number of obs =     676
                                                       F( 24,    25) =       .
                                                       Prob > F      =       .
                                                       R-squared     =  0.6703
                                                       Root MSE      =  4.3738

                                 (Std. Err. adjusted for 26 clusters in state)
------------------------------------------------------------------------------
             |               Robust
      growth |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
       lineq |   3.308499   4.446702     0.74   0.464    -5.849656    12.46665
      lineq2 |  -.6382724   .6213975    -1.03   0.314    -1.918064    .6415197
          sk |   .1308705   .0317756     4.12   0.000     .0654274    .1963136
         lab |   .0311747   .0741251     0.42   0.678    -.1214889    .1838383
         gov |   .1662413   .0772647     2.15   0.041     .0071117    .3253709
         urb |  -.0799628   .0219564    -3.64   0.001    -.1251829   -.0347428
        free |  -.0326066   .0220301    -1.48   0.151    -.0779785    .0127653
         inf |  -1.701637   1.803066    -0.94   0.354    -5.415121    2.011847
    s_dummy1 |  -4.130879    1.74488    -2.37   0.026    -7.724526   -.5372311
    s_dummy2 |   .9292072   1.299599     0.71   0.481    -1.747368    3.605782
    s_dummy3 |   3.114619   2.081234     1.50   0.147    -1.171764    7.401001
    s_dummy4 |  -6.974237    2.55607    -2.73   0.011    -12.23856   -1.709911
    s_dummy5 |  -2.290328   2.165001    -1.06   0.300    -6.749232    2.168575
    s_dummy6 |   -4.04955   2.933319    -1.38   0.180    -10.09083    1.991732
    s_dummy7 |    -2.9458   1.467611    -2.01   0.056    -5.968402     .076802
    s_dummy8 |  -3.135231   1.431242    -2.19   0.038     -6.08293   -.1875325
    s_dummy9 |  -2.612154   1.526276    -1.71   0.099    -5.755578    .5312696
   s_dummy10 |  -2.797703   1.792611    -1.56   0.131    -6.489655    .8942483
   s_dummy11 |  -2.328015   1.860606    -1.25   0.222    -6.160005    1.503975
   s_dummy12 |  -4.082855   1.962837    -2.08   0.048    -8.125393   -.0403172
   s_dummy13 |  -2.803904   1.342631    -2.09   0.047    -5.569103   -.0387042
   s_dummy14 |   .6131198    .454153     1.35   0.189    -.3222258    1.548465
   s_dummy15 |  -3.698742    1.34332    -2.75   0.011    -6.465361   -.9321228
   s_dummy16 |  -2.374148   .9754297    -2.43   0.022    -4.383083   -.3652131
   s_dummy17 |    -1.7736   1.670925    -1.06   0.299    -5.214934    1.667733
   s_dummy18 |  -7.479858   2.260018    -3.31   0.003    -12.13445   -2.825264
   s_dummy19 |  -9.032226   2.745836    -3.29   0.003    -14.68738   -3.377071
   s_dummy20 |  -4.468298   2.055977    -2.17   0.039    -8.702662   -.2339336
   s_dummy21 |   -1.13468   .9759231    -1.16   0.256    -3.144631    .8752715
   s_dummy22 |  -3.373824   2.416097    -1.40   0.175    -8.349868    1.602221
   s_dummy23 |  -3.952668   2.072377    -1.91   0.068    -8.220807    .3154719
   s_dummy24 |  -5.963896   2.464543    -2.42   0.023    -11.03972   -.8880741
   s_dummy25 |  -4.931727   2.965198    -1.66   0.109    -11.03867    1.175212
    y_dummy1 |  -.7561216   2.505307    -0.30   0.765    -5.915897    4.403654
    y_dummy2 |  -1.322056    2.31638    -0.57   0.573    -6.092731    3.448619
    y_dummy3 |   .0864928   2.158377     0.04   0.968    -4.358768    4.531753
    y_dummy4 |   -2.86344   2.564292    -1.12   0.275    -8.144698    2.417818
    y_dummy5 |   13.10109   2.343317     5.59   0.000      8.27494    17.92724
    y_dummy6 |  -4.695107   2.418652    -1.94   0.064    -9.676414    .2862005
    y_dummy7 |   2.395274   2.262491     1.06   0.300    -2.264414    7.054961
    y_dummy8 |   3.291177   2.459451     1.34   0.193    -1.774158    8.356512
    y_dummy9 |   5.961207   2.617023     2.28   0.032     .5713481    11.35107
   y_dummy10 |   17.19294   2.627386     6.54   0.000     11.78174    22.60415
   y_dummy11 |   11.75474   1.788334     6.57   0.000       8.0716    15.43789
   y_dummy12 |   2.177152   2.275953     0.96   0.348     -2.51026    6.864564
   y_dummy13 |  -3.560642   1.791216    -1.99   0.058     -7.24972    .1284359
   y_dummy14 |  -8.298236   2.016931    -4.11   0.000    -12.45218   -4.144288
   y_dummy15 |    -6.3845   1.765531    -3.62   0.001    -10.02068   -2.748321
   y_dummy16 |  -6.797874   1.605967    -4.23   0.000    -10.10543   -3.490323
   y_dummy17 |  -3.950466   1.410673    -2.80   0.010    -6.855801   -1.045131
   y_dummy18 |  -3.324492   1.410237    -2.36   0.027    -6.228929   -.4200547
   y_dummy19 |   1.137569   1.292452     0.88   0.387    -1.524285    3.799423
   y_dummy20 |   3.234428   1.427961     2.27   0.032     .2934859    6.175369
   y_dummy21 |   .3720796   1.048123     0.35   0.726    -1.786571     2.53073
   y_dummy22 |  -.7226633   .7685172    -0.94   0.356    -2.305454    .8601276
   y_dummy23 |   1.711644   .7846774     2.18   0.039     .0955707    3.327717
   y_dummy24 |   .2502939   1.163254     0.22   0.831    -2.145473    2.646061
   y_dummy25 |  -2.258623   .7470698    -3.02   0.006    -3.797242   -.7200038
       _cons |   9.235241   7.652092     1.21   0.239    -6.524538    24.99502
------------------------------------------------------------------------------

加了被解释变量的滞后项  还是老样子。。。。