У підході xtreg, fe ефекти груп є фіксованими, а неоцінені величини віднімаються з моделі перед виконанням підгонки. У арег-підході групові ефекти оцінюються та впливають на загальну суму квадратів моделі, що розглядається.
xtreg відповідає моделям лінійної регресії для панельних даних. xtreg з опцією re відповідає моделям випадкових ефектів за допомогою узагальнених методів найменших квадратів (GLS); xtreg з опцією fe відповідає моделям із фіксованими ефектами за допомогою оцінювача внутрішньої регресії; і xtreg з опцією pa відповідає моделям усередненого населення.
арег ідентифікує модель шляхом вибору точки перетину, яка робить прогноз, розрахований за середніми значеннями незалежних змінних, рівними середньому залежній змінній: y = x ̂β.
Ключова відмінність між моделлю RE та FE така: у моделі FE припускається, що неспостережувані ефекти корельовані з незалежними змінними. У моделі RE передбачається, що неспостережувані ефекти не корельовані з незалежними змінними.
Модель випадкових ефектів xtreg від Stata є простою матричне зважене середнє фіксованих ефектів (всередині) і між ефектами. У нашому прикладі, оскільки внутрішні та міжефекти є ортогональними, тому re дає ті самі результати, що й окремі fe та be.
У підході xtreg, fe ефекти груп є фіксованими, а неоцінені величини віднімаються з моделі перед виконанням підгонки. У арег-підході групові ефекти оцінюються та впливають на загальну суму квадратів моделі, що розглядається.
Різниця між xtreg і xtmixed полягає в тому xtreg розроблено більше для лінійної регресії поперечних часових рядів і може використовуватися лише для підгонки випадкового відрізка.