我想使用固定效应泊松回归模型来检查选择加入 2 种不同的方案（在我的模型中指定为假人）是否会导致锻炼增加。
我有3 年时间跨度的纵向数据（数据按月测量），N=100,000+（每个 ID 有不同数量的观察/跟踪的月数）。ID 可以在任何时候选择两种不同的方案，他们可以只选择一种（方案 1）或两者都不选择，或者同时或在不同的时间点同时选择两种（方案 1，然后是方案 2）。
我想包括个人的固定效应（在选择两种不同的方案时使用个人内部的变化）。
我还想包括月/年固定效应来控制运动模式中的时间趋势/季节性。我正在考虑为此在给定年份的每个特定月份使用一组虚拟变量。
我想指定我的模型如下：
y(i,my) = Λ(i) + γ(my) + βScheme1(i,my) + βScheme2(i,my) + ε(i,my)
所以y(i,my)是指 ID i 在 y 年 m 月执行的因变量运动水平。
Λ(i)是个体特定的固定效应。
γ(my)是时间固定效应。
如果ENT i 在 m 月及之后选择加入该计划，则计划 1 和计划 2 分别取值为 1 。
仅供参考：真的很抱歉，我不得不将每个变量的定义放在上面等式的括号中
下面是我最初使用glm()仅将方案 1 和 2 作为因变量的函数运行的内容，并且效果很好。
PoissonModel <- glm(DepVar ~ Scheme1 + Scheme2, family = poisson, data = dataset)
我的问题是我不确定如何编写代码/做什么才能在我的回归中包含Λ(i)和γ(my)。任何帮助将不胜感激，谢谢！