逐步和时间&；Stata中带有适当s.e.调整的个人/国家固定效果面板

我想在面板数据集中使用时间和单个固定效应的线性概率模型上运行

逐步

，但

逐步

不支持开箱即用的面板。解决方案是运行

xtdata y x，fe

，然后运行

reg y x，r

。但是，由此产生的标准误差太小。解决这个问题的一个尝试可以在这里找到：但我的小组是高度不平衡的（我对不同变量有不同数量的观察）。我也不明白stepwise如何在不同变量列表的迭代中包含这些信息。由于stepwise的决策规则基于pvals，因此这一点非常关键

可复制示例：

webuse nlswork, clear /*unbalancing a bit:*/
replace tenure =. if year <73
replace hours =. if hours==24 | hours==38
replace tenure =. if idcode==3 | idcode == 12 | idcode == 19

xtreg ln_wage tenure hours union i.year, fe vce(robust)
eststo xtregit /*this is what I want to reproduce without xtreg to use it in stepwise */

xi i.year /* year dummies to keep */
xtdata ln_wage tenure hours union _Iyear*, fe clear

reg ln_wage tenure hours union _Iyear*, vce(hc3) /*regression on transformed data */
eststo regit
esttab xtregit regit

webuse-nlswork，clear/*有点不平衡：*/
替换任期=。如果这一年看起来像是一个编程问题。我想问一下Statalist。谢谢，完成了。尽管从统计学上讲，这个问题很简单：我如何逐步调整自由度（如Wooldridges Panelbook，2012，第308页）？为了逐步使用，我必须在这里对转换后的数据运行虚拟变量回归。问题主要是：我如何才能告诉斯塔塔，并且主要是逐步地告诉他？我还应该指出，问题不仅限于固定时间的影响。省略“i.year”和“dummies”，你也会遇到同样的问题。
循序渐进
无论如何都是个坏主意！（讨论还可以继续）是的，但它仍应在机械层面上发挥作用。这似乎与编程问题一样具有统计学意义。我想问一下Statalist。谢谢，完成了。尽管从统计学上讲，这个问题很简单：我如何逐步调整自由度（如Wooldridges Panelbook，2012，第308页）？为了逐步使用，我必须在这里对转换后的数据运行虚拟变量回归。问题主要是：我如何才能告诉斯塔塔，并且主要是逐步地告诉他？我还应该指出，问题不仅限于固定时间的影响。省略“i.year”和“dummies”，你也会遇到同样的问题。
循序渐进
无论如何都是个坏主意！（讨论还可以继续）是的，但它仍应在机械层面上发挥作用。