合併 OLS 回歸的正確方程（帶有時間虛擬變數和互動項）
我有一個關於匯總 OLS 回歸的問題。基本上，我不確定我是否正確地寫出方程式。
數據為 2006 年至 2016 年（11 年）上映的故事片；票房收入是因變數。我感興趣的是變數CritSentiment的係數以及它是否隨著時間的推移而增加（CritSentiment是一個二進制變數，如果電影的關鍵接收為正，則取值為 1，否則為 0）。
因此，除了一堆特定於電影的控制（例如製作預算）之外，我還包括年度時間假人來控制任何趨勢效應，以及這些時間假人與CritSentiment之間的互動項。這些互動項的係數應該衡量t年CritSentiment係數與（省略的）基準年係數之間的估計差異。
$$ \textit{Revenue}{it} = \alpha + \beta_1 \textit{Budget}{it} + \ … \ + \beta_{15} CritSentiment_{it} \ + \sum_{t=1}^{11-1} \gamma_t Year_t \ + \sum_{t=1}^{11-1} \delta_{t} Year_{it} CritSentiment_{it} \ + \epsilon_{it} $$
我不確定的基本上只是上述等式是否正確分配了i和t下標，我覺得這有點令人困惑（尤其是在截距和互動項方面）。
提前非常感謝。
我不確定我是否正確理解了您的研究問題，但您可能正在嘗試確定評論對電影收入的影響是否會隨著時間而變化。這意味著每部電影只有一個觀察值，其收入和特定於電影的控制變數值（包括發行年份和單個關鍵接收值）保存在多個變數中。在這種情況下，這是您應該擁有的模型方程：
如果每部電影只有一組值，則不應為任何電影特定變數同時使用
i和下標。t下i標用於所有與電影相關的變數，包括發行年份。我包括t上標以清楚地表明存在多個Year變數。而且如果你不是在做固定效果模型（電影固定效果），截距項上不應該有任何下標。
