1 虚拟变量的基本形式
虚拟变量有两个形式，一种是直接加入模型中，只对常数项产生影响；一种是和解释变量的乘积项加入模型中（具体和哪个解释变量相乘根据需要而定），将对被解释变量的系数产生影响。当然，可以把他们组合在一起，同时影响截距项和系数。
1.1 虚拟变量是二分类变量
如性别变量有{男、女}两个分类，那么应该设置1个虚拟变量D，当D=1时代表男性，当D=2时代表女性（也可以设置当D=1时代表女性，当D=2时代表男性）。
形式１：
形式2：
1.2 虚拟变量是多分类变量
如地区变量有{东、中、西}三个分类，那么应该设置两个虚拟变量D1和D2。当地区为东部时，D1=1，D2=0；当地区为中部时，D1=0，D2=1；当地区为西部时，D1=0，D2=0。
形式1：
形式2：
2 虚拟变量的应用
2.1 数据
仍以面板回归中的例子进行演示，根据area（area=1表示东部，area=2表示中部，area=3表示西部）研究不同地区在面板回归中的差异。
2.2 录入数据
打开数据编辑窗口，将数据从Excel中复制到Stata，注意粘贴时选择“将第一行作为变量名”
2.3 设置面板数据格式
设置面板数据格式：
encode prov,g(id)
xtset id year
2.4 截距项虚拟变量形式
生成虚拟变量（设置d1和d2两个虚拟变量：d1=1表示中部，d2=1表示西部，d1=0且d2=0表示东部）
g d1=0
g d2=0
replace d1=1 if area==2
replace d2=1 if area==3
面板截距项虚拟变量的固定效应回归：
xtreg pgdp d1 d2 eduyear pfdi open,fe
在估计结果中，发现d1和d2变量的估计值被省略了。这是因为我们采用了个体固定效应，即对每个省市都进行控制，而东中西部是由省市构成，所以固定效应已经考虑了东中西部的差异，导致d1和d2变量被省略。
面板截距项虚拟变量的随机效应回归：
xtreg pgdp d1 d2 eduyear pfdi open,re
在随机效应估计中，d1和d2变量没有被省略，但是其均不显著，表明地区之间不存在差异！
面板截距项虚拟变量的随机效应回归（简便方法）：
xtreg pgdp i.area eduyear pfdi open,re
Stata提供了虚拟变量的简便回归方法，由于area本身属于分类变量，所以可以直接采用i.area的方法进行回归，不需要设置d1和d2两个虚拟变量。
在回归结果中，可以发现采用i.area和采用d1、d2两个虚拟变量方法的回归结果是一样的。
2.5 系数项虚拟变量形式
生成系数项虚拟变量：
g d1eduyear=d1*eduyear
g d2eduyear=d2*eduyear
面板系数项虚拟变量的固定效应回归：
xtreg pgdp eduyear d1eduyear d2eduyear pfdi open,fe
在回归结果中，d1eduyear和d2eduyear变量的p值均小于0.1，因而两个变量均显著。
由于d1=0且d2=0表示东部，所以比较的基准是东部。d1eduyear的系数为-2.640168，表明同样受教育年限提高1年，中部比东部人均gdp少提高2.640168个单位；d2eduyear的系数为-2.063922，表明同样受教育年限提高1年，西部比东部人均gdp少提高2.063922个单位。
面板系数项虚拟变量随机效应回归：
xtreg pgdp eduyear d1eduyear d2eduyear pfdi open,re
在回归结果中，d1eduyear和d2eduyear变量的p值均大于0.1，因而两个变量均显著。
现实中不同地区之间一般存在明显的差异，所以在在面板回归中应优先选择固定效应回归。这里仅仅是为了演示随机效应的回归方法。