如何使用不平衡面板數據確定線性回歸模型中的正確固定效應
我目前正在研究一個關於在 10 年內在多個國家/地區引入強制性收益指導法規（交錯採用）的研究項目。正如我所看到的，我的結果取決於我使用的 FE，我試圖弄清楚如何確定在此設置中我必須使用哪個 FE。文獻沒有給出明確的答案，因為不同的作者在相似的模型（公司、年份、國家、行業或這四者的組合）中使用不同的 FE。這就是為什麼我想問社區：在我的多年多國模型（使用帶有不平衡數據集的線性模型）中，我是否必須包含任何經驗法則或精確答案的：
市場流動性度量 = b0 + Analyst_following * x1 + US_Listing * x2 + IFRS_User * x3 + MarketCapitalization * x4 + ShareVolatility * x6 + e
我有所有變數的詳細公司級別數據。我會建議工業年的 FE，但沒有任何論據為什麼我應該使用它們（只是直覺）。是否有關於使用哪個 FE 的明確指導或以直覺的方式解決該主題的書籍的任何推薦？大多數書籍都涉及社會研究問題（例如，使用種族作為 FE，因為它不會改變）但我很難將這種邏輯轉移到商業監管環境中……我想要衡量的是，是否交錯採用監管對市場/股票流動性有重大影響。因變數/獨立變數來自我所在領域的成熟論文。
任何幫助表示讚賞！
您似乎擁有多個國家/地區多個行業的公司級面板數據。
趨勢的年份固定效應控制。不要忽略它們。對於其他人，一般規則是：___ FE 控制不同____的時不變異質性，但不控制同一個____內的異質性。你用“firm”、“industry”、“country”、“industry-country”等替換____。
公司 FE 成功地控制了所有可能與 RHS 變數相關的公司級時不變效應。所以你比較同一家公司的不同年份。相比之下，行業 FE 控制不同行業的時不變效應（可能與 RHS 變數相關），但不能控制同一行業內的公司級異質性（固定效應）。等等。
我個人認為具有固定 FE（和年份效應）的模型最容易使用。如果你能解釋為什麼同一行業內的公司是同質的，你可以使用行業 FE 等。