斯托克计量经济学第十章第十一章实证练习stata

精选优质文档-----倾情为你奉上精选优质文档-----倾情为你奉上专心---专注---专业专心---专注---专业精选优质文档-----倾情为你奉上专心---专注---专业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)(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***2.982***3.866***2.948***4.348***(0.0193)(0.609)(0.385)(0.569)(0.435)N11731173117311731173R20.0870.5640.2180.5800.955adj.R2StateEffectsTimeEffects0.0859NoNo0.5613NoNo0.1771YesNo0.5690NoYes0.9525YesYesStandarderrorsinparentheses*p<0.10,**p<0.05,***p<0.01（1）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，约使暴力犯罪减少36.8%。从“现实意义”上讲，这个估计值很大。②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。③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,pb1064,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，adjustedR2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***-0.00782-0.341***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)pb10640.102***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)N11731173117311731173R20.1210.5960.0370.6530.961adj.R20.12010.5934-0.01350.64340.9593Standarderrorsinparentheses*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：①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。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-0.00782，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。③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）adjustedR2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)(0.0258)(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***0.0220(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.R20.08260.60320.10870.63280.9167Standarderrorsinparentheses*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：①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。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-0.0608，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。③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）adjustedR2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)speed700.00240***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.*0.00132-0.00497*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.R2StateEffectsTimeEffects0.5435NoNo0.6509YesNo0.7408YesYes0.7422NoNo0.8355YesYesStandarderrorsinparentheses*p<0.05,**p<0.01,***p<0.001（1）回归结果如上表第（1）列所示，sb_useage的系数是0.00407，系数为正且在1%水平下显著，说明增加安全带的使用增加了交通事故死亡率，不会降低死亡人数。（2）加入州固定效应后回归结果如上表第（2）列所示，sb_useage的系数是-0.00577，也就是说，安全带的使用每增加10%，每百万米的交通路段死亡率会减少0.。当一个州有更复杂危险的路况（这极可能导致更高的交通事故死亡率），安全带的使用率就会增加，所以回归（1）中存在遗漏变量偏差。（3）同时加入时间效应和州固定效应的回归如上表第（3）列所示。sb_useage的系数变为-0.00372，明显安全带使用对死亡事故的效应比回归（1）（2）都小。（4）我认为（3）的回归形式更可靠，因为回归（3）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，adjustedR²值为0.7408，比回归（1）（2）更接近1，所以（3）的回归结果更可信。（5）0.00372×（90%-52%）=0.，Stata计算得每个州交通路段平均事故发生数为41447，41447×0.=58.6。所以安全带使用率从52%上升到90%，平均每个州交通路段约挽救58条生命。这说明sb_useage的系数较大。（6）回归结果如上表第（4）（5）列所示，primary和secondary的系数均为正且在0.1%的水平下显著。没有加入固定效应的情况下，主要执行方法使安全带使用率上升30%，次要执行方法使安全带使用率上升14.8%。加入州和时间固定效应的情况下，主要执行方法使使用率上升20.6%，次要执行方法使使用率上升10.9%。（7）0.206-0.109=0.0970.00372×0.097=0.00036从给的数据得新泽西州1997年的vmt为6330863308×0.00036≈22.79所以预估2000年这一变化能挽救22条生命。E11.1（1）Two-samplettestwithequalvariancesGroupObsMeanStd.Err.Std.Dev.01,13010011,293100combined2,423100由上图可知：①所有工作者的吸烟概率：2423÷10000=0.2423②stata计算得smk=1时的样本数为6098，所以受工作场所禁止吸烟影响的工作者的吸烟概率：1293÷6098=0.212③stata计算得smk=0时的样本数为3902，所以不受工作场所禁止吸烟影响的工作者的吸烟概率：1130÷3902=0.290(1)(2)(3)smokersmokersmokermainsmkban-0.0776***-0.0472***-0.159***(0.00895)(0.00897)(0.0291)female-0.0333***-0.112***(0.00857)(0.0288)age0.00967***0.0345***(0.00190)(0.00688)age2-0.***-0.***(0.)(0.)hsdrop0.323***1.142***(0.0195)(0.0730)hsgrad0.233***0.883***(0.0126)(0.0604)colsome0.164***0.677***(0.0126)(0.0614)colgrad0.0448***0.235***(0.0120)(0.0654)black-0.0276-0.0843(0.0161)(0.0535)hispanic-0.105***-0.338***(0.0140)(0.0494)_cons0.290***-0.0141-1.735***(0.00726)(0.0414)(0.152)N100001000010000R20.0080.057adj.R20.00770.0560（2）建立线性回归，回归结果如上表第（1）列所示，可见吸烟概率之差为-0.0776，标准差为0.00895，t值为-8.66，这种差异统计性显著。（3）回归结果如上表第（2）列所示，可见吸烟概率之差为-0.0472，禁止吸烟效应比回归（1）中的要小，显然（1）中存在遗漏变量偏差，也就是说，工作场所是否禁止吸烟可能与性别、年龄、人种、受教育水平等相关。例如：仅具高中文凭的工人更有可能在不禁止吸烟的场所工作，而大学毕业生更可能在禁止吸烟的办公室工作，大学毕业生相比高中毕业生吸烟概率更低。（4）smkban=0F(1,9989)=27.76Prob>F=0可见F值为27.76，p值为0<0.05，所以可以拒绝原假设，也即系数在5%的水平下显著。（5）(1)hsdrop=0(2)hsgrad=0F(2,9989)=219.6Prob>F=0(1)colsome=0(2)colgrad=0F(2,9989)=95.27Prob>F=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0<0.1，所以可以拒绝原假设，也即说明吸烟概率时依赖于教育水平的。观察回归结果，发现教育水平有关的系数均为正，随着受教育水平的提升，系数变小，所以吸烟概率随教育水平上升而下降。（6）关系图如上。上表回归（2）结果可知Age²的系数在1%水平下显著，age和吸烟概率之间存在非线性关系。E11.2（1）probit模型如上表第（3）列所示。（2）(1)smokersmkban=0chi2(1)=29.70Prob>chi2=0可知p值为0<0.05，可以拒绝原假设，也即系数在5%的水平下显著。这个t统计量为-5.45，与练习1（4）的-5.27相比两者非常接近，两者系数均在5%的水平下显著。(1)smokercolsome=0(2)smokercolgrad=0chi2(2)=173.5Prob>chi2=0（3）(1)smokerhsdrop=0(2)smokerhsgrad=0chi2(2)=267.8Prob>chi2=0可知F值分别为267.8和173.5，p值均为0<0.05，所以可以拒绝原假设，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）①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=0.0345×20-0.×20×20+1.142-1.735=-0.0902，查标准正态分布表得A的吸烟概率为0.464②遭遇工作场所禁止吸烟规定的情况下，A吸烟的概率：z=0.0345×20-0.×20×20+1.142-1.735-0.159=-0.2492，查表得A的吸烟概率为0.401。综合①②，0.464-0.401=0.063，所以禁止吸烟使吸烟概率下降6.3%。（5）①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0.143。②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①②，0.143-0.110=0.033，也即禁止吸烟使吸烟概率下降3.3%。（6）对于A先生：①没有遭遇工作场所禁止吸烟规定的情况下：0.00967×20-0.×20×20+0.323－0.0141=0.4495②遭遇工作场所禁止吸烟规定的情况下：0.00967×20-0.×20×20+0.323－0.0141-0.0472=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：①没有遭遇工作场所禁止吸烟规定的情况下：0.00967×40-0.×40×40+0.0448－0.0276－0.0141－0.0333=0.1454②遭遇工作场所禁止吸烟规定的情况下：0.00967×40-0.×40×40+0.0448－0.0276－0.0141－0.0333-0.0472=0.09820.1454-0.0982=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probit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)(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***(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***0.136***-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_wht0.0268*0.0268*0.0260**(0.0133)(0.0133)(0.00912)Age×selfemp0.(0.00139)_cons0.817***0.638***0.636***