问题描述
在写学术论文时，经常碰到面板数据中变量维度不一致的情况，那么此时能否直接进行面板模型回归呢？一般来说，个体固定效应能够控制个体差异，其本质是增加了(个体数量-1)个虚拟变量，所以当变量没有时间维度时（只有个体差异），将与固定效应的虚拟变量完全共线，因而不能把该变量放入回归模型中。时间固定效应与之类似。
实际案例
现整理了我国30个省市2011年至2018年的面板数据，其中area变量（东中西部）不含时间维度，reer变量（汇率）不含个体维度！
录入数据
打开数据编辑窗口，将数据从Excel中复制到Stata
数据整理
encode prov,g(id)
xtset id year
将area变量加入回归模型
xtreg pgdp area,fe
可以发现，由于area变量不含时间维度，其与个体固定效应完全共线，因而回归结果中area变量直接被省略了！
将reer变量加入回归模型
xtreg pgdp reer,fe
可以发现，由于reer变量含有时间维度，因而即使不含个体维度，仍可以正常加入回归模型中！
将reer变量加入回归模型，并加入时间固定效应
xtreg pgdp reer i.year,fe
可以发现，加入时间固定效应后，reer变量仍没有被省略掉，但是注意到2018年的时间虚拟变量被省略掉了！这种情况最为危险，虽然reer与时间虚拟变量完全共线，但是stata只是将模型中的共线的最后一个变量（2018年的虚拟变量）省略了。这种情况即使reer变量没被省略，也不宜放入模型中！
我们将reer和i.year换个顺序，重新进行回归：
xtreg pgdp i.year reer,fe
可以发现，reer和i.year换顺序后，reer变量被省略了！
将“地区维度随时间变化的变量”加入回归模型
area变量由个体变量分类后组成，前面分析可知，直接将area变量加入模型中进行回归会被省略掉，那么如果area变量也随时间变化，是否能加入回归模型呢？这里我们构造area变量和reer变量的乘积项，并将其加入回归模型。
g area_reer=area*reer
sort area year
order area year,b(area_reer)
area_reer变量的形式如下图所示。
将arear_reer变量加入回归模型。
xtreg pgdp i.year area_reer,fe
可以发现，area_reer变量没有被省略。我们可以推出：由个体变量分类后组成的变量，且该变量随时间变化，那么该变量可以加入回归模型！