文档介绍：chap11受限被解释变量
主要内容
断尾回归模型
截取回归模型
样本选择模型
实验11-1：断尾回归模型
实验基本原理
实验内容及数据来源
本书附带光盘data文件夹下的“”工作文件机的。只有当雇主提供的工资高于妇女的保留工资（reservation wage）时，该妇女才会决定去工作。
当存在样本选择问题时，我们需要找到至少一个这样的变量，它能影响被解释变量能否被观测到，却对观测到的因变量没有影响。在妇女工资问题中，家中儿童数量就是一个合适的选择。显然，家中儿童数量能够影响妇女的保留工资，从而影响其是否工作；但对于工作中的妇女，家中儿童数量并不会影响雇主提供的工资。
我们利用本书附带光盘data文件夹下的“”工作文件，来进行妇女工资决定模型的研究。主要变量包括：wage=妇女的工资收入，education=教育水平，age=年龄，married=是否结婚，children=家中儿童数量，county=居住地。
利用这些数据，我们会讲解样本选择问题的heckman回归的操作以及相关的预测。
实验操作指导
1 heckman回归的操作
下面，我们利用“”的数据进行样本选择模型的回归分析。我们认为，妇女的工资是教育程度和年龄的函数，而妇女是否选择工作的影响因素是其保留工资（受婚姻状况、家中儿童数量影响）以及雇主提供的工资（受教育程度和年龄的影响）。
（1）基本的heckman回归
我们首先使用默认的极大似然函数法进行估计。命令为：
heckman wage educ age, select(married children educ age)
这里，被解释变量为wage，解释变量为educ和age。选项select()表明，选择方程的解释变量为married、children、educ和age。
（2）两步法的heckman回归
当数据集比较大时，极大似然估计非常耗时，两步法就提供了一种很好的替代。键入命令：
heckman wage educ age, select(married children educ age) twostep mills(m)
其中，选项twostep表明使用两步法的heckman回归。选项mills()会生成一个新变量，计算出各样本的逆米尔斯比率，即样本不被选择的可能性。我们这里给该变量命名为m。
此外，需要说明的一点是，选项nshazard(newvar)具有和选项mills(newvar)完全相同的作用。
（3）稳健的heckman回归
我们可以使用vce(robust)获得稳健标准差，或利用vce(cluster varname)获得聚类稳健标准差。例如，我们认为工资的方差可能随居住地（county）的不同而不同，可以键入命令：
heckman wage educ age, select(married children educ age) vce(cluster county)
这里，选项vce(cluster county)设定了标准差按变量county聚类。
（4）设定选择方程的因变量
我们可以对选择方程设定因变量。键入命令：
gen dwage=(wage<.)
heckman wage educ age, select(dwage = married children educ age)
这里，第一句命令表示产生变量dwage，当wage<.时，dwage=1；当wage为缺失值时，dwage=0。第二句命令中，select()选项设定了dwage为选择方程的因变量。
2 heckman回归的预测
对heckman回归进行预测的基本命令为：
predict [type] newvar [if] [in] [, statistic nooffset]
其中，predict代表预测的基本命令语句，newvar代表生成的新变量的名称，type代表新变量的类型，if代表条件语句，in代表范围语句，statistic代表进行预测的统计量。。
对于妇女工资决定的模型，默认的预测将给出各妇女的工资的线性预测值。如果我们想知道参加工作的妇女的期望工资，我们可以利用ycond选项。
quietly heckman wage educ age, select(married children educ age)
predict yc, ycond
summarize wage yc if wage!= .
其中，第一步为进行heckman回归，且命令quietly表明不显示该回归的结果；第二步是对参加工作的妇