计量经济学导论

• 一碗刀削面

  2021-02-26
  *-chp23 似不相关回归*-23.1 单一方程估计与系统估计*-23.2 似不相关回归的假定*-23.3 SUR 的 FGLS 估计*-23.4 SUR 的假设检验*-23.5 似不相关回归的stata命令及实例* sureg (depvar1 varlist1) (depvar2 varlist2) … (depvarn varlistn), isure corr* isure 表示迭代至收敛* corr 汇报对无同期相关的检验* 如果要检验联合假设“第1个方程中变量x的系数与第2个方程中变量z，以及第3个方程中变量w的系数相等”，可使用：* test ([depvar1]x = [depvar2]z) ([depvar1]x = [depvar3]w)* 如果要在满足以上两个约束条件的情况下进行SUR估计，则：* contraint1 [depvar1]x = [depvar2]z （定义第1个约束条件）* contraint2 [depvar1]x = [depvar2]w （定义第1个约束条件）* sureg (depvar1 varlist1) (depvar2 varlist2) … (depvarn varlistn),c(1)(2)cd "…data"use hsb2.dta, clearreg3 (read female ses schtyp socst)(math female ses schtyp science), olsest store OLS* reg3 为 三阶段最小二乘法（3SLS），加上 "ols" 后则进行单一方程OLS估计。* 由于被解释变量 read 与math为同一学生的阅读与数学成绩，故这两个方程的扰动项在理论上很可能存在相关性。sureg (read female ses sc...
• 一碗刀削面

  2021-02-24
  *-chp22 自回归条件异方差模型*-22.1 条件异方差模型的例子*-22.2 ARCH模型的实质*-22.3 ARCH模型的MLE估计*-22.4 GARCH模型*-22.5 何时使用ARCH或GARCH模型*-22.6 ARCH 与 GARCH模型的扩展*-22.7 ARCH 与 GARCH 的stata命令及实例* arch y x1 x2, arch(1/3) // ARCH(3)* arch y x1 x2, arch(1) garch(1) // GARCH(1 ,1)* arch y x1 x2, ar(1) ma(1) arch(1) garch(1) //带ARMA(1, 1) 的 GARCH(1, 1)* arch y x1 x2, arch(1) dist(1) //ARCH(1)，将扰动项服从 t 分布* arch y x1 x2, arch(1) het(z1 z2) //ARCH(1)，将z1, z2加入条件方差方程* arch y x1 x2, arch(1) garch(1) tarch(1) //GARCH(1, 1)加上TARCH(1)* arch y x1 x2, earch(1) egarch(1) //EGARCH(1 ,1)* arch y x1 x2, arch(1/3) archm //ARCH(3) 加上ARCH-M * 首先，看日收益率的时间趋势cd "…data"use sp500.dta, clearline r tvarsoc r, maxlag(8)* 上表显示，大多数准则均选择AR(5)模型reg r L(1/5).r * 对OLS残差是否存在ARCH效应进行LM检验estat archlm, lags(1/5)* 通过画图更直观地考察 o...
• 一碗刀削面

  2021-02-23
  *-chp 21 单位根所带来的问题*-21.1 非平稳序列*-21.2 ARMA的平稳性*-21.3 VAR的平稳性*-21.4 单位根所带来的问题* 1. 自回归系数的估计值向左偏向于0* 2. 传统的t检验失效* 3. 两个相互独立的单位根变量可能出现伪回归或伪相关clear alldrop _all //删去内存中已有的数据set obs 10000set seed 1234gen u = rnormal() //产生服从标准正态分布的扰动项uigen y = sum(u)set seed 12345gen v = rnormal() //产生服从标准正态分布的扰动项vigen x = sum(v) //定义随机游走reg y xgen t = _n //定义时间变量tline y x t, lpattern(dash)* 如何避免伪相关或伪回归？* 1. 先对变量做一阶差分，然后再回归。* 2. 协整，但首先必须对是否存在单位根进行检验*- 21.5 单位根检验与平稳性检验* 1. DF检验* 2. ADF检验* 是否应该带常数项或时间趋势项，主要应从理论上考虑。* 在进行ADF检验时，如果确定滞后阶数p是个问题。* dfuller y, lags(p) regress noconstant drift trend* lags(p) 表示包含p阶滞后差分项，默认为lags(0),对应于DF检验* regress 表示显示回归结果* 3. PP检验* pperron y, noconstant trend regress lags(#)* lags(#) 指定N-W滞后阶数* 其他选择项含义与ADF检验(...
• 一碗刀削面

  2021-02-22
  *-chp20 平稳时间序列*-20.1 时间序列的数字特征*-20.2 自回归模型*-20.3 移动平均模型*-20.4 ARMA*-20.5 自回归分布滞后模型*-20.6 ARMA模型的Stata命令及实例* 1. 自相关与偏相关* corrgram y, lags(#) * ac y, lags(#)* pac y, lags(#)* 2. ARMA* arima y, ar(1/#) ma(1/#)* ar(1/#) 表示第1至第#阶自回归* ma(#) 表示第1至第#阶移动平均* ARMA 的另一等价命令为：* arima y, arima(#p, #d, #q)* #p 表示自回归的阶数* #q 表示移动平均的阶数* #d 表示原序列{yi}需要经过几次差分才是平稳过程* 检验残差项是否存在自相关：* predict e1, res //计算残差，并命名为e1* corrgram e1, lags(#) //检验残差是否存在第1至第#阶自相关的Q检验* 3. ADL 与 ARMAX* ARMAX 的 Stata 命令：* arima y x1 x2 x3, ar(#) ma(#)* 对非平稳序列 logpe 建立ARMA模型* 首先定义其一阶差分为 d_logpecd "…data"use pe.dta, cleartsset yearg d_logpe = d.logpe* 计算前10阶自相关与偏相关系数corrgram d_logpe, lags(10)ac d_logpe, lags(10)pac d_logpe, lags(10)* 第4阶自相关与偏相关系数显著不为0* 考虑AR(4) 与 MA(4) 模型arima d_logpe, ar(1/4) nologestat ...
• 一碗刀削面

  2021-02-21
  *-chp19 蒙特卡罗法与自助法*-19.1 蒙特卡罗法的思想与用途* 蒙特卡罗法实例：模拟中心极限定理program onesample, rclassdrop _allset obs 30gen x = runiform()sum xreturn scalar mean_sample = r(mean)endsimulate xbar = r(mean_sample), seed(101) reps(10000):onesamplehist xbar, normal xtitle("xbar from many sample")*-19.3 蒙特卡罗法实例：服从卡方分布的扰动项clear allprogram chi2data, rclassdrop _allset obs 30gen double x = rchi2(1)gen y = 1 + 2 *-x + rchi2(1) - 1reg y xreturn scalar t2 = (_b[x]-2) / _se[x]return scalar r2 = abs(return(t2)) > invttail(28, 0.025)endsimulate reject = r(r2), reps(1000) seed(101): chi2datamean reject *-19.4 蒙特卡罗积分clear allset obs 100set seed 1234gen double y = rnormal(0, 1)gen double gy = exp(-exp(y))sum gyclear allset obs 1000set seed 1234gen double y = rnormal(0, 1)gen double gy = e...
• 一碗刀削面

  2021-02-20
  *-chp18 随机实验与自然实验clear allcd "…data"* diff y, treat(varname) p(varname) cov(z1 z2) robust report testuse cardkrueger1994.dta, cleargen gd = t * treated //定义交叉项 gdreg fte gd treated t, r* 使用 diff 估计diff fte, t(treated) p(t) robust* 引入快餐品牌虚拟变量reg fte gd treated t bk kfc roys, r* diff 引入其他解释变量diff fte, t(treated) p(t) cov(bk kfc roys) robust* 使用diff检验个变量在实验组与控制组的均值是否相等set line 250diff fte, t(treated) p(t) cov(bk kfc roys wendys) test
• 一碗刀削面

  2021-02-19
  *-17 非线性面板* 17.1 面板二值选择模型* 对于面板数据，如果被解释变量为虚拟变量，则称为“面板二值选择模型”* probit y x1 x2 x3, vce(cluster id) //混合probit回归* logit y x1 x2 x3, vce(cluster id) //混合logit回归* 17.2 面板二值选择模型的随机效应估计* xtprobit y x1 x2 x3 //默认为随机效应probit* xtlogit y x1 x2 x3 //默认为随机效应logit* 17.3 面板二值选择模型的固定效应估计* xtlogit y x1 x2 x3, fe* 17.4 面板二值选择模型的stata实例cd …datause uprising.dta, clear* 首先，估计固定效应面板logit估计xtlogit uprising age pop temp sfamine sfamine1 sfamine2 sfamine3 relief relief1 relief2 relief3, fe nologest store FE* 其次，估计混合回归logit模型logit uprising age pop temp sfamine sfamine1 sfamine2 sfamine3 relief relief1 relief2 relief3 if dyn ~= 2, vce(cluster dyn) nolog* 为了在固定和混合之间做选择，下面进行Hausman检验* 但Hausman检验不允许在混合回归使用vce(cluster dyn)，故重新进行混合回归qui logit uprising age pop temp sfamine sfamine1 sfamine2 sfami...
• 一碗刀削面

  2021-02-17
  *- chp16 长面板与动态面板*chp16.2 面板校正标准误* xtpcse y x1 x2 x3, hetonly* 其中，hetonly 表示存在组间异方差，但不存在组间同期相关；more既存在组间异方差，也存在组间同期相关* e.g. * lnp代表价格效应* lnpmin 代表替代效应（可以购买更低价的香烟）* lny 代表收入效应clear allcd "…data"use mus08cigar.dta, clear* 为考虑时间效应，生成时间趋势变量t* 然后用LSDV法估计双向固定效应模型（作为对比，先不考虑组间异方差或同期相关）gen t = year - 62reg lnc lnp lnpmin lny i.state t, vce(cluster state)est store OLS// 回归结果显示，有些州虚拟变量很显著，即存在固定效应，应允许每个州拥有自己的截距项// 时间效应则不太显著，p值高达0.19// 然而，上表中的稳健标准误未考虑可能存在的组间异方差与组间同期相关// 为此，使用面板校正标准误xtpcse lnc lnp lnpmin lny i.stateest store PCSE* 从上表可知，命令 xtpcse 的估计系数与命令 reg 的估计系数完全一致，只是标准误不同。* 在本例中，面板校正标准误似乎反而更小。*- 16.3 仅解决组内自相关的FGLS* xtpcse y x1 x2 x3, corr(ar1) corr(psar1)* 选择项 corr(ar1) 对应于 ρi = ρ 的情形；* 而选择项 corr(psar1) 则允许每个面板有自己的 ρi, psar1 指 panel-specific arl.* 如果 T 并不比 n 大很多，则建议...
• 一碗刀削面

  2021-02-12
  *- chp15 短面板*- 15.13 短面板的stata命令及实例* 1.面板数据的设定* xtset panelvar timevar* 命令 "xtset" 告诉stata数据为面板数据* 其中面板（个体变量）"panelvar" 的取值必须为整数且不重复，相当于把每个个体进行编号* 而 "timevar" 为时间变量* 加入 "panelvar" 本来是字符串（e.g. 国家名字country），可以使用 "encode country, gen(cntry)" 将其转换为数值型* "xtdes" 显示面板数据的结构，是否为平衡面板* "xtsum" 显示组内，组间与整体的统计指标* "xttab varname" 显示组内，组间与整体的分布频率，tab指的是tabulate* "xtline varname" 对每个个体分别显示该变量的时间序列图，如果希望将所有个体的时间序列图放在一起,可使用选项 overlayclear allcd "…data"use traffic.dta, clearxtset state yearxtdes findname, v(30)*显示统计特征xtsum fatal beertax spircons unrate perinck state year* 显示 fatal 在48个州的时间趋势图* xtline fatal* 2.混合回归* reg y x1 x2 x3, vce(cluster id)* 其中， id 指用来确定每个个体的变量reg fatal beertax spircons unrate perinck, vce(cluster state)estimates store ols* 选择项 vce(cluster state) 表示，使用 sta...
• 一碗刀削面

  2021-02-08
  * 12.3 混合Logit模型clear allcd "…data"* mlogit y x1 x2 x3, rrr base(#)* 可以通过非官方命令mlogtest对IIA假定进行检验：* h sg155* mlogit, hausman base* mlogit, smhsiao base* 多项 Probit 模型的命令为：* mprobit y x1 x2 x3, rrr base(#)* 条件 Logit 模型的命令为：* clogit y x1 x2 x3, group(varname) or// 必选项 “group(varname)”用来指定由归属同一个体的观测值所构成的一组// 选择项“or”表示汇报“几率比”(odds ration)// 命令clogit 不能直接处理只随个体而变的解释变量* 混合Logit模型的stata命令* asclogit y x1 x2 x3, case(varname) alternatives(varname) casevars(varname) base(#) or// 命令 “asclogit” 表示“alternative-specific conditional logit”// 必选项“case(varname)”用于指定个体(case)// 必选项“alternatives(varname)”用来指定方案// 选择项“base(#)”用来指定参照方案// 选择项“or”表示汇报“几率比”(odds ratio) use nomocc2.dta, clearsumlist in 1/6sumup occ, statistics(n mean p50 sd min max) mlogit occ white ed exper, nolog //多项...
• 一碗刀削面

  2020-12-26
  cd "……"/* * 10.3 二阶段最小二乘法ivregress 2sls y x1 (x2 = z1 z2) //使用普通标准误ivregress 2sls y x1 (x2 = z1 z2), r first //在第一阶段使用稳健标准误h ivreg2* 10.4 有关工具变量的检验estat firststage, all forcenonrobust //检验弱工具变量ivregress liml depvar [varlist1] [varlist2 = instlist] //LIML的stata命令* 究竟该用OLS还是IV：对解释变量内生性的检验reg y x1 x2estimates store olsivregress 2sls y x1 (x2 = z1 z2)estimates store ivhausman iv ols, constant sigmamore //根据存储的结果进行Hausman检验* DWH检验estat endogenous* GMM的stata命令ivregress gmm y x1 (x2 = z1 z2) //两步GMMivregress gmm y x1 (x2 = z1 z2), igmm //迭代GMMestat overid //过度识别检验* 使用异方差自相关稳健的标准误的GMM命令* ivregress gmm y x1 (x2 = z1 z2), vce(hac nwest[#]) */* 10.10 工具变量法的stata命令及实例use grilic.dta, clearsumpwcorr iq s, sigreg lw s expr tenure rns smsa, r* 引入智商(iq)作为“能力”的代理变了，再OL...
• 一碗刀削面

  2020-12-24
  * 8.5 处理自相关的Stata命令及实例/* * 1. 时间序列算子tsset year* 2. 画残差图scatter e1 L.e1 // L.e1为滞后一期的残差ac e1 // 看残差自相关图pac e1 // 看残差偏自相关图* 3. BG检验estat bgodfrey // 默认p=1estat bgodfrey, lags(p)estat bgodfrey, nomiss0 // 使用不添加0的BG检验* 4. Ljung-Box Q 检验reg y x1 x2 x3predict e1, resid // 将回归残差命名为e1wntestq e1 //使用Stata提供的默认滞后期wntestq e1, lags(p) //使用自己指定的滞后期* 5. DW检验* 做完回归后直接 estat dwaston 显示DW统计量* 6. HAC稳健标准误newey y x1 x2 x3, lag(p) // HAC标准误，必须指定滞后阶数preg y1 x1 x2 x3,cluster(stata) //聚类稳健标准误，假设聚类变量为state* 7. 处理一阶自相关的FGLSprais y x1 x2 x3 // 使用默认的PW估计法prais y x1 x2 x3, corc // 使用CO 估计法 */*-examplecd 路径名global Out "路径名"use $Out/icecream.dta, cleartsset timegraph twoway connect consumption temp100 time, msymbol(circle) msymbol(triangle)reg consumption temp price incomepr...
• 一碗刀削面

  2020-12-17
  *-chp6_正态检验sysuse "auto.dta", clear/* hist mpg, normal // 直方图与正态密度kdensity mpg, normal lpattern("-") // 核密度与正态密度qnorm mpg // 话变量的qq图 */su mpg, detail //显示变量的偏度与峰度di (r(N) / 6) * (r(skewness)^2) + [(1/4) * (r(kurtosis)-3) ^ 2]di chi2tail(2, 14.031924)jb6 mpg // jb检验sktest mpg // sktest检验swlik mpg // S-W检验sfrancia mpg // S-F检验gen lnmpg = log(mpg) //取对数kdensity lnmpg, normal lpattern(dash)jb6 lnmpgsktest lnmpg
• 一碗刀削面

  2021-03-27
  *-chp29 空间计量经济学*-29.1 地理学第一定律*-29.2 空间权重矩阵*-29.3 空间自相关* 空间自相关的指标计算与假设检验可通过下载非官方命令实现clear allcd "…data* findit spatreg* spatwmat 定义空间权重矩阵* spatgsa 全局空间自相关检验* spatlsa 局部空间自相关检验* spatcorr 考察空间自相关，指标对距离临界值 d 的依赖性* spatdiag 针对 ols 回归结果，诊断是否存在空间效应* spatreg 估计空间滞后与空间误差模型* 考察房价与家庭收入对犯罪率的作用、* 运行 spat 的前提是通过命令 spatwmat 定义空间权重矩阵。* 将数据集置于stata的当前目录下。* 如果不知道目录在哪儿* 可通过输入命令 pwd （表示 "path of working directory"）来显示当前目录* 然后再输入以下命令spatwmat using columbusswm.dta, name(W)* name(W) 表示根据数据集生成的空间权重矩阵为 Wmatrix list W //查看空间矩阵* 计算被解释变量 crime 的全局自相关指标及相应检验use columbusdata.dta, clearspatgsa crime, weights(W) moran geary go twotail// 以上均拒绝 “无空间自相关” 的原假设* 计算局部空间自相关spatlsa crime, w(W) moran twotail*-29.4 空间自回归模型*-29.5 空间杜宾模型*-29.6 空间误差模型* 继续以 columbusd...
• 一碗刀削面

  2021-03-13
  *-chp28 处理效应*-28.1 处理效应与选择难题*-28.2 通过随机分组解决选择难题*-28.3 依可测变量选择*-28.4 匹配估计量的思想*-28.5 倾向得分匹配*-28.6 倾向得分匹配的stata实例* psmatch2 D X1 X2 X3, outcome(y) logit ties ate common odds pscore(varname) quietly* D 处理变量* x1 x2 x3 协变量* outcome(y) 指定结果变量* logit 使用logit估计倾向得分* ties 包括所有ps相同的并列个体，默认按照数据排序选择其中一位个体* ate 同时汇报ate, atu 与 att,默认只汇报 att* common 仅对共同取值范围内个体进行匹配，默认对所有个体匹配* odds 使用几率比匹配，more使用倾向得分匹配* pscore(varname) 指定某变量作为倾向得分，默认通过 x1 x2 x3 估计倾向得分* quietly 不汇报估计过程* 1) psmatch2 D x1 x2 x3, outcome(y) neighbor(k) noreplacement* neighbor(k) 表示进行k 近邻匹配；默认 k = 1，即 1 对 1匹配* noreplacement 表示无放回匹配，默认为又放回* 该选项只能用于 1 对 1 匹配* 2) psmatch2 D x1 x2 x3, outcome(y) radius caliper(real)* radius 表示进行半径匹配* caliper(real) 指定卡尺ε* 3) psmatch2 D x1 x2 x3, outcome(y) neighbor(k) caliper(real)* neig...
• 一碗刀削面

  2021-02-09
  * chp13 计数与排序模型* 13.1 排序模型* 排序模型的stata命令为：* oprobit y x1 x2 x3 //ordered probit 模型* ologit y x1 x2 x3 //ordered logit 模型cd "…data"use panel84extract.dta, clearoprobit rating83c ia83 dia, nolog// cut1, cut2, cut3为切点的估计值* 可以预测每个公司的评价概率predict p2 p3 p4 p5list p2 p3 p4 p5 in 1/1* 进行ordered logit 估计，然后预测每个公司的评级概率，并列出第一个观测值的预测结果ologit rating83c ia83 dia, nolog* 13.2 泊松回归* poisson y x1 x2 x3, r irr* poisson y x1 x2 x3, r exposure(x1)* poisson y x1 x2 x3, r offset(x1)*- 13.3 负二项回归* nbreg y x1 x2 x3, r exposure(x1)* nbreg y x1 x2 x3, r dispersion(constant) offset(x1)// r表示使用稳健标准误// 选择项 dispersion(constant)表示使用NB1模型（默认使用NB2模型）// 选择项 exposure(x1)表示吧lnx1作为解释变量，并令其系数为1// 选择项 offset(x1)表示把x1作为解释变量，并令其系数为1* 广义负二项模型* gnbreg y x1 x2 x3, r lnalpha(z1 z2)// 选择项 lnalpha(z1 z2)...
• 一碗刀削面

  2020-12-25
  *-chp9 模型设定与数据问题* 9.4 解释变量个数的选择clear allcd "……"* reg y x1 x2 x3* estat icuse icecream.dta, clearqui reg consumption temp price incomeestat icqui reg consumption temp L.temp price incomeestat icqui reg consumption temp L.temp L2.temp price incomeestat ic* 9.5 对函数形式的检验* reg y x1 x2 x3* estat ovtest //使用y拟合值的高次项作为非线性项* estat ovtest, rhs //使用解释变量的幂作为非线性项* reg y x1 x2 x3* linktestuse nerlove.dta, clearqui reg lntc lnq lnpl lnpk lnpflinktest //_hatsq显著，所以存在设定误差estat ovtest //拒绝的“无遗漏变量”假设estat ovtest, rhs //拒绝的“无遗漏变量”假设g lnq2 = lnq^2reg lntc lnq lnq2 lnpl lnpk lnpflinktestestat ovtest * 9.6 多重共线性use nerlove.dta, clearqui reg lntc lnq lnpl lnpk lnpfestat vif* 9.7 极端数据reg y x1 x2 x3predict lev, leverage //列出所有解释变量的lev值gsort -lev //将所有观测数据按lev的...
• 一碗刀削面

  2020-12-18
  clear allcd ……global Out ……use $Out/nerlove.dta, clearreg lntc lnq lnpl lnpk lnpf* 画残差图 rvfplotrvpplot lnq* white检验estat imtest, white* BP检验estat hettest, iidestat hettest, rhs iidestat hettest lnq, iid* WLScap drop e1 e2 lne2 reg lntc lnq lnpl lnpk lnpf //回归predict e1, res //计算残差g e2 = e1^2 //生成残差的平方g lne2 = log(e2) //先取对数reg lne2 lnq, noc //做辅助回归， 从结果可知残差平方与lnq高度相关（0.75）predict lne2f //计算辅助回归的拟合值g e2f = exp(lne2f) //去掉对数reg lntc lnq lnpl lnpk lnpf [aw = 1/e2f]
• 一碗刀削面

  2021-02-10
  *-chp14 受限被解释变量*- 14.1 断尾回归* 断尾回归的stata命令：* truncreg y x1 x2 x3, ll(#)ul(#)* 选择项“ll(#)”表示lower limit，即左边断尾；* 选择性“ul(#)”表示upper limit，即右边断尾；* 如果同时使用两个选择项，则表示双边断尾。cd "…data"use laborsub.dta, cleartab lfp* 先进性ols回归reg whrs kl6 k618 wa we if whrs > 0 * 然后进行断尾回归，假设在“whrs=0”处存在左边断尾truncreg whrs kl6 k618 wa we, ll(0) nolog*- 14.2 零断尾泊松回归与负二项回归* ztp y x1 x2 x3, r //（零断尾泊松回归）* ztnb y x1 x2 x3, r //（零断尾负二项回归，默认为NB1模型）* ztnb x1 x2 x3, r dispersion(constant) //（零断尾负二项回归，NB1模型）// 其中选择项 “r” 表示使用稳健标准误* e.g. use CRIME1.dta, cleardrop if narr86 == 0* 首先进行零断尾泊松回归ztp narr86 pcnv avgsen tottime ptime86 qemp86 inc86 black hispan born60, r nolog* 如果直接用所有解释变量进行零断尾负二项回归，无论 NB1 还是 NB2 ，都不会收敛，为演示目的，在解释变量中去掉断尾回归中最不显著的两个变量 ptime86 与 born60，再进行 NB2 回归。*- 14.3 随机前沿模型（选读）* 随机前沿模型的stata命...
• 一碗刀削面

  2021-02-06
  *-chp11_二值选择模型/* * 二值模型的stata命令为probit y x1 x2 x3, r//probit模型logit y x1 x2 x3, or vce(cluster culstvar) //logit模型// r表示稳健标准误，or 表示显示几率比，选择项vce(cluster culstvar) 表示使用clustvar 为聚类变量的聚类稳健标准误* 估计后，可以用以下命令进行预测，并计算准确预测的百分比predict yhat//计算发生概率的预测值yhatestat clas //计算预测准确的百分比，clas表示classification* 在stata 12中，计算边际效应的命令为，margins, dydx(*)//计算所有解释变量的平均边际效应margins, dydx(*) atmeans//计算所有解释变量在样本均值处的边际效应margins, dydx(*) at (x1=0) //计算所有解释变量在x1=0处的边际效应margins, dydx(x1) //计算解释变量x1的平均边际效应margins, eyex(*)//计算平均弹性，其中两个“e”均指elasticitymargins, eydx(*)//计算平均半弹性，x变化1单位引起y变化百分之几margins, dyex(*)//计算平均半弹性，x变化1%引起y变化几个单位// 其中，“*”代表所有解释变量 */*- e.g.cd "…/data" use womenwk.dta, clearreg work age married children education, r* 其次，用logit估计logit work age married chi...