《斯托克计量经济学第十章第十一章实证练习stata(共14页).docx》由会员分享，可在线阅读，更多相关《斯托克计量经济学第十章第十一章实证练习stata(共14页).docx（14页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上E10.1(1)(2)(3)(4)(5)lnviolnviolnviolnviolnvioshall-0.443*-0.368*-0.0461*-0.288*-0.0280(0.0475)(0.0348)(0.0189)(0.0337)(0.0278)incarc_rate0.00161*-0.0.00193*0.(0.)(0.)(0.)(0.)density0.0267-0.172*-0.00887-0.0916(0.0143)(0.0850)(0.0139)(0.0485)avginc0.00121-0.009200.01290.(0.00728)(0.00591
2、)(0.00796)(0.00729)pop0.0427*0.01150.0408*-0.00475(0.00315)(0.00872)(0.00252)(0.00781)pb10640.0809*0.104*0.1000*0.0292(0.0200)(0.0178)(0.0182)(0.0183)pw10640.0312*0.0409*0.0401*0.00925(0.00973)(0.00507)(0.00912)(0.00538)pm10290.00887-0.0503*-0.0444*0.0733*(0.0121)(0.00640)(0.0175)(0.0129)_cons6.135*
3、2.982*3.866*2.948*4.348*(0.0193)(0.609)(0.385)(0.569)(0.435)N11731173117311731173R20.0870.5640.2180.5800.955adj. R2State EffectsTime Effects0.0859NoNo0.5613NoNo0.1771YesNo0.5690NoYes0.9525YesYesStandard errors in parentheses* p 0.10, * p 0.05, * p 0.01（1） 回归（2）中shall的系数是-0.368，这意味着隐蔽武器法律，也即“准予”携带法律，
4、约使暴力犯罪减少36.8%。从“现实意义”上讲，这个估计值很大。 回归（1）中shall的系数是-0.443，回归（2）中shall的系数是-0.368，加入（2）中的控制变量后“准予”携带法律的效应略微减小。系数估计显著性都很高，两者均在1%水平下显著。 不同州的人们对待枪支和暴力犯罪的态度。（2）加入州固定效应的回归结果如上表第（3）列所示。回归（3）中shall的系数是-0.0461，和回归（2）相比，“准予”携带法律的效应减小许多，显然说明回归（2）中存在遗漏变量偏差。个体固定效应的差异来源于随个体变化但随时间不变的遗漏变量，回归（3）中，变量shall, density, pb106
5、4, pw1064, pm1029至少在5%水平下显著，可信度较高，加入州固定效应得到的回归结果总体上较回归（2）可信。（3）加入时间固定效应的回归结果如上表第（5）列所示。回归（5）中shall的系数是-0.028，和回归（2）（3）相比，“准予”携带法律的效应减小许多。回归（5）同时包含个体和时间固定效应以控制州间不同但时间上相同的变量和随时间变化但州间相同的变量，adjusted R2的值为0.9525，比前面的回归更接近1，因此回归（5）的结果更加可靠。（4）(1)(2)(3)(4)(5)lnroblnroblnroblnroblnrobshall-0.773*-0.529*-0.00
6、782-0.341*0.0268(0.0693)(0.0510)(0.0253)(0.0457)(0.0243)incarc_rate0.00101*-0.0.00177*0.(0.)(0.)(0.)(0.)density0.0905*-0.186-0.00918-0.0447(0.0154)(0.114)(0.0189)(0.0737)avginc0.0407*-0.0175*0.0643*0.0144(0.00927)(0.00791)(0.0108)(0.0101)pop0.0778*0.01630.0720*0.(0.00549)(0.0117)(0.00343)(0.0118)pb1
7、0640.102*0.112*0.167*0.0141(0.0266)(0.0238)(0.0248)(0.0270)pw10640.0275*0.0272*0.0557*-0.0128(0.0135)(0.00679)(0.0124)(0.00720)pm10290.02730.0112-0.189*0.105*(0.0150)(0.00857)(0.0238)(0.0222)_cons4.873*0.9042.446*1.792*3.587*(0.0279)(0.889)(0.515)(0.772)(0.645)N11731173117311731173R20.1210.5960.0370
8、.6530.961adj. R20.12010.5934-0.01350.64340.9593Standard errors in parentheses* p 0.05, * p 0.01, * p 0.001用lnrob代替lnvio后所得回归如上表所示，分析如下： 回归（1）中shall的系数是-0.773，回归（2）中shall的系数是-0.529，这意味着隐蔽武器法律，也即“准予”携带法律，约使暴力犯罪分别减少77.3%和52.9%。从“现实意义”上讲，这个估计值很大。系数估计显著性都很高，两者均在1%水平下显著。 加入州固定效应的回归结果如上表第（3）列所示。回归（3）中shall
9、的系数是-0.00782，和回归（1）（2）相比，“准予”携带法律的效应减小许多，显然说明回归（1）（2）中存在遗漏变量偏差。加入时间固定效应的回归结果如上表第（5）列所示。 回归（5）中shall的系数是0.0268。和回归（1）（2）相比，明显回归（3）（5）“准予”携带法律的效应减小许多。回归（5）adjusted R2的值为0.9593，比前面的回归更接近1，因此回归（5）的结果更加可靠。(1)(2)(3)(4)(5)lnmurlnmurlnmurlnmurlnmurshall-0.473*-0.313*-0.0608*-0.198*-0.0150(0.0485)(0.0357)(0.
10、0258)(0.0340)(0.0297)incarc_rate0.00210*-0.*0.00260*-0.(0.)(0.)(0.)(0.)density0.0397*-0.671*-0.0134-0.544*(0.0118)(0.116)(0.0141)(0.117)avginc-0.0773*0.0243*-0.0698*0.0566*(0.00875)(0.00807)(0.00803)(0.0136)pop0.0416*-0.0257*0.0393*-0.0321*(0.00351)(0.0119)(0.00255)(0.00902)pb10640.131*0.03070.188*0
11、.0220(0.0188)(0.0242)(0.0184)(0.0434)pw10640.0471*0.01030.0739*-0.(0.00909)(0.00693)(0.00921)(0.0119)pm10290.0655*0.0392*-0.0502*0.0692*(0.0137)(0.00874)(0.0177)(0.0289)_cons1.898*-2.486*0.460-2.831*0.657(0.0220)(0.615)(0.525)(0.574)(0.726)N11731173117311731173R20.0830.6060.1530.6420.921adj. R20.082
12、60.60320.10870.63280.9167Standard errors in parentheses* p 0.05, * p 0.01, * p 0.001用lnmur代替lnvio后所得回归如上表所示，分析如下： 回归（1）中shall的系数是-0.473，回归（2）中shall的系数是-0.313，这意味着隐蔽武器法律，也即“准予”携带法律，约使暴力犯罪分别减少47.3%和31.3%。从“现实意义”上讲，这个估计值很大。系数估计显著性都很高，两者均在1%水平下显著。 加入州固定效应的回归结果如上表第（3）列所示。回归（3）中shall的系数是-0.0608，和回归（1）（2）相
13、比，“准予”携带法律的效应减小许多，显然说明回归（1）（2）中存在遗漏变量偏差。加入时间固定效应的回归结果如上表第（5）列所示。 回归（5）中shall的系数是-0.015。和回归（1）（2）相比，明显回归（3）（5）“准予”携带法律的效应减小许多。回归（5）adjusted R2的值为0.9167，比前面的回归更接近1，因此回归（5）的结果更加可靠。（5）“准予”携带法律会对犯罪率产生影响，同时，一个州可能因为犯罪情况而决定是否颁布“准予”携带法律，这就产生双向因果关系偏差，威胁内部有效性。（6）综上可知，上述三个表格的回归（5）结果最为可信。用lnrob, lnmur代替lnvio所得回归
14、与lnvio所得的回归结果相类似，以lnvio为例进行分析。Shall效应的95%置信区间为-8.6%至3.0%，其中包括shall的系数取0，根据显著性分析，没有证据能表明“准予”携带武器法律对犯罪率有明显影响。E10.2(1)(2)(3)(4)(5)fatalityratefatalityratefatalityratesb_useagesb_useagesb_useage0.00407*-0.00577*-0.00372*(0.00123)(0.00116)(0.00145)speed650.-0.-0.0.0751*0.0228(0.)(0.)(0.)(0.0115)(0.0205)s
15、peed700.00240*0.00123*0.0.009710.0120(0.)(0.)(0.)(0.0133)(0.0206)ba08-0.00192*-0.00138*-0.0.0463*0.00376(0.)(0.)(0.)(0.0104)(0.0176)drinkage210.0.-0.00113-0.003780.0107(0.)(0.)(0.)(0.0183)(0.0272)lnincome-0.0181*-0.0135*0.006260.337*0.0583(0.00109)(0.00142)(0.00670)(0.0218)(0.256)age-0.0.*0.00132-0.
16、00497*0.0138(0.)(0.)(0.)(0.00242)(0.0231)primary0.300*0.206*(0.0125)(0.0232)secondary0.148*0.109*(0.0106)(0.0134)_cons0.197*0.121*-0.0780-2.819*-0.893(0.00925)(0.00977)(0.0664)(0.203)(2.642)N556556556556556R20.5490.6870.7510.7460.842adj. R2State EffectsTime Effects0.5435NoNo0.6509YesNo0.7408YesYes0.
17、7422NoNo0.8355YesYesStandard errors in parentheses* p 0.05, * p 0.01, * p F=0可见F值为27.76，p值为0F=0 ( 1 )colsome=0 (2 )colgrad=0F(2,9989)=95.27ProbF=0由上表可得，两个假设检验的F值分别为219.6和95.27，p值均为0chi2 =0可知p值为0chi2=0（3）(1 )smokerhsdrop=0(2 )smokerhsgrad=0chi2(2)=267.8Probchi2=0可知F值分别为267.8和173.5，p值均为00.05，所以可以拒绝原假设
18、，也即吸烟概率依赖于教育水平，和练习1（5）的结论是相近的。（4） 没有遭遇工作场所禁止吸烟规定的情况下，A吸烟的概率：z=0.034520-0.2020+1.142-1.735=-0.0902，查标准正态分布表得A的吸烟概率为0.464 遭遇工作场所禁止吸烟规定的情况下，A吸烟的概率： z=0.034520-0.2020+1.142-1.735-0.159=-0.2492，查表得A的吸烟概率为0.401。综合，0.464-0.401=0.063，所以禁止吸烟使吸烟概率下降6.3%。（5） 没有遭遇工作场所禁止吸烟规定的情况下，B吸烟的概率：由上表算得z值，查标准正态分布累积概率函数表得概率为
19、0.143。 遭遇工作场所禁止吸烟规定的情况下，B吸烟的概率：由上表算得z值，查标准正态分布累积概率函数表得概率为0.110。 综合，0.143-0.110=0.033，也即禁止吸烟使吸烟概率下降3.3%。（6）对于A先生： 没有遭遇工作场所禁止吸烟规定的情况下：0.0096720-0.2020+0.3230.0141=0.4495 遭遇工作场所禁止吸烟规定的情况下： 0.0096720-0.2020+0.3230.0141-0.0472=0.40230.4495-0.4023=0.0472，也即禁止吸烟使吸烟概率下降4.72%对于B女士： 没有遭遇工作场所禁止吸烟规定的情况下：0.00967
20、40-0.4040+0.04480.02760.01410.0333=0.1454 遭遇工作场所禁止吸烟规定的情况下： 0.0096740-0.4040+0.04480.02760.01410.0333-0.0472=0.0982 0.1454-0.0982=0.0472，也即禁止吸烟使吸烟概率下降4.72%（7）线性概率模型最易使用也最容易解释，但是它无法抓住真实总体回归函数的非线性性质，导致禁止吸烟的效应对有着不同特征的总体效应是一样的。但是对于probit模型，工作场所禁止吸引的边际效应随总体特征的不同而变化，就如上述分析，明显对于A男士而言，禁止吸烟的效应比B女士的更大。也即probi
21、t和线性概率模型结果是不同的，相较之下probit更有意义。如上述第（4）问，可知禁止吸烟使吸烟概率下降6.3%，把这一概率应用到庞大的人口数量，在现实意义下这个效应估计值很大。（8）双向因果关系偏差威胁内部有效性。比如：烟民可能倾向于找没有禁止吸烟规定的工作场所，再比如没有颁布禁止吸烟规定前，某个地方的烟民可能本来就比另外一个地方的烟民少。E11.3(1)(2)(3)(4)(5)(6)insuredinsuredinsuredhealthyhealthyhealthyselfemp-0.128*-0.175*-0.212*0.01010.0196*0.0133(0.0148)(0.0140)
22、(0.0633)(0.0079)(0.00805)(0.00788)age0.0101*0.0103*0.-0.00142(0.00272)(0.00274)(0.00172)(0.00179)age2-0.*-0.*-0.0.(0.)(0.)(0.)(0.)healthy0.0349*0.0350*(0.0177)(0.0177)anylim0.002010.00199-0.125*(0.0117)(0.0117)(0.0113)male-0.0373*-0.0375*0.0144*(0.00796)(0.00796)(0.00541)deg_nd-0.361*-0.361*-0.128*(
23、0.0256)(0.0256)(0.0180)deg_ged-0.212*-0.212*-0.0753*(0.0310)(0.0310)(0.0216)deg_hs-0.111*-0.111*-0.0308*(0.0216)(0.0216)(0.0145)deg_ba-0.0493*-0.0496*-0.0115(0.0222)(0.0222)(0.0148)deg_ma-0.0300-0.0304-0.0102(0.0232)(0.0232)(0.0166)deg_oth-0.0774*-0.0777*-0.0196(0.0246)(0.0246)(0.0163)married0.136*0
24、.136*-0.(0.0101)(0.0101)(0.00652)familysz-0.0168*-0.0168*-0.00262(0.00318)(0.00318)(0.00212)reg_mw0.01580.01570.0123(0.0114)(0.0114)(0.00783)reg_so-0.0335*-0.0336*0.(0.0110)(0.0110)(0.00762)reg_we-0.0369*-0.0371*-0.(0.0125)(0.0125)(0.00828)race_ot-0.0197-0.0196-0.00842(0.0258)(0.0258)(0.0175)race_wh
25、t0.0268*0.0268*0.0260*(0.0133)(0.0133)(0.00912)Ageselfemp0.(0.00139)_cons0.817*0.638*0.636*0.927*0.953*1.013*(0.00440)(0.0626)(0.0627)(0.00295)(0.0309)(0.0373)N880288028802880288028802R20.0110.1460.1460.0000.0060.058adj. R20.01080.14450.14440.00010.00580.0563Standard errors in parentheses* p 0.05, *
26、 p 0.01, * p 0.001（1）GroupObsMeanStd.Err.Std.Dev.06,3140001738100combined7,0520.1050.003650.306 所有人参加健康保险的概率：70528802=0.801 stata计算得selfemp=1时的样本数为1071，自主创业者参加健康保险的概率：7381071=0.689 stata计算得selfemp=0时的样本数为7731，非自主创业者参加健康保险的概率：63147731=0.8170.817-0.689=0.128，也即自主创业者比非自主创业者参加健康保险的概率少12.8%。这种差异在现实世界意义很大
27、。线性回归如上表第（1）列所示，可知标准误为0.0148，t值为-8.62，p值为00.01，所以该差异统计显著。（2）加入其他控制变量，所得回归如上表第（2）列所示。自主创业者和非自主创业者参加健康保险的差异增加到17.4%，自主创业者还是更不可能参加健康保险。（3）观察上表回归（2），发现age系数为正，age的系数为负且在5%的水平下显著，有证据说明健康保险参与状态与年龄存在非线性相关关系。在20-65岁，随年龄增长更有可能参加健康保险。（4）增加selfemp和age的交互项，回归结果如上表第（3）列所示，交互项系数为0.趋近于0，且不显著，所以自主创业对保险参与状态的效应不依赖于年龄，对年长和年轻职工而言没有什么不同。（5）回归分析结果如上表第（4）（6）列所示。根据回归结果（4），可知selfemp的系数趋近于0且不显著，所以自主创业者和赚工资的人健康状况差异不大，自主创业者身体状况比赚工资的身体状况略微好些。加入年龄或其他相关的控制变量，回归结果如上表第（5）（6）列所示，selfemp的系数趋近于0且显著程度低。自主创业的和赚工资的人健康程度差异不大，对年轻和年长的职工而言该论点都成立。关于潜在的双向因果关系问题，这里可能存在逆向选择，身体健康状况差的职工更可能通过雇主参与健康保险，而身体状况好的人更可能选择不参与健康保险或者选择自主创业。专心-专注-专业