固定效应模型的优势和局限性分别是什么？
固定效应模型（Fixed Effects Model）是一种用于面板数据分析的统计模型，它在控制个体固定效应的同时，利用时间序列变化来估计变量之间的关系。固定效应模型的优势和局限性如下：
优势：
- 控制了个体特定的不可观测因素：固定效应模型能够控制个体固定效应，即个体特定的不可观测因素，这有助于消除由于个体差异而引起的内生性问题，提高了估计的准确性和一致性。
- 利用了面板数据的时间序列变化：固定效应模型利用了面板数据中个体和时间的变化，可以更准确地捕捉变量之间的动态关系，从而提高了估计的效率和准确性。
- 适用于探讨个体特征对因变量的影响：固定效应模型适用于研究个体特征对因变量的影响，如个体特征对收入、就业等的影响，能够更好地控制个体固定效应，提供了更精确的估计结果。
局限性：
- 忽略了个体间的异质性：固定效应模型控制了个体固定效应，但忽略了个体间的异质性，即个体特征不同所带来的差异，这可能导致估计结果的偏误。
- 不能估计时间不变的变量：固定效应模型不能估计时间不变的变量，因为它们被个体固定效应所消除，这限制了模型对于某些变量的解释能力。
- 需要大样本：固定效应模型在面对大量个体和时间的面板数据时效果更好，需要较大的样本才能得到稳健的估计结果，否则容易出现估计误差。
综上所述，固定效应模型在控制个体特定不可观测因素和利用面板数据的时间序列变化方面具有优势，但忽略了个体间的异质性，并且在样本较小时效果可能不佳。