斯托克计量经济学第十章第十一章实证练习stata

∕?E10.1?∕

USe w C:?Us?ε≡?asus?D^9?top?Guns.dta w

set BlOXe OrC

Xwet scateid yrar

∕a HP/

GCn InViC e ln(ViO)

reg InViO ShaIl

eat a tore CII

reg InViO Shail incarc rate density avginc POP pblO64 PMlO^4 FnlO2$

C3t >torc n2

/?(2>*/

×τx?q InVIO shall InCarC

raτe αe∏8ity avgιnc FOP 匸Q1064 PV丄034 FlIUJ20. r? ι (scaτ?i3) eσt StOre ∏3

∕?(3M∕

xτxeσ InVXo □?all incarcerate dcn□ιty arcme rop rb丄064 rv!061 匸nu」29, tc ι(Vear)

est StOre ?4

κcxeg InVlo shall incarcerate density avcxnc FOP FbIO64 E乜丄064 FlrL

B J29 ι.yea∑ 工?ataceιd

Ie VCe(XObUSO

eat 3tore m3

catcab XInUn3 Di4i 比5 U0ing IIVIPaaI9iC3t?zzι,JC∑2 a∑2(?>

/*(4>*/

gen InXCt=In(XCO)

reσ InXCt shall, Z

est store al

reσ InXCt SnalI incarcerate avαιno PCr Dr丄064 pxl064 r<ιl029, X

est store a2

XCXeg Inrob □nall InCarC

raZe αcnaιty avgιnc FOP pi>lD64 丄064 FBUJ29. re ι(0CaZeIaI eat atore a3

×τx?g InrOb SnalI InCarC

e raτe α?naιty avgιnc FOP pi>1064 PVIOe4 FBU^29

r? ι(y?ar)

eat 3tore d￡

×LX?9 InXOb Shall InCarC xaZe ClenslLy avginc POP fI>1064 PVlO€4 PMLL929 丄?year !.?SLazeld

Xe VCe(XQbUSCl e□t StOre aS

estcab al ?2 a3 a4 aS USlng soaad.rtf Se r2 ar214>

gen InnUr^丄二(EIUr)

reg InnUC 9hall, r

t>t ?tor? DX

reg InnUr shall incarc rate density avginc pop DbIo64 PXIO6? ral029

37?>t sror? b2

38xτrcg InirUr 3bdll incarc

raτe density avjinc POP rιbl064 pwl0€4 rml029, fe i (ata^cid)

39?β‰ 8LOX? b3

40xτrcσ 丄ΠXUH ShaIL InCaXC e xcτc αcnsιt5* avjιnc POP rb-061 PW(1064 Zm-O29#fc ι (year)

41esr a^ore b4

42xτxeg .nxux shall InCaXC_xaτe αensιty avgιnc POP Fb-O64 PW丄064 PlrUo29 工?year 工?staτexd

f e VCe (XCbXIsx?

43est StOre b5

44?fttaD bl b2 Q3 D4 匕5 UBXng sorrow?rcr?■冷∑2a∑2(4)

铝∕?E10.2t∕

4€us? n CAuSVXsXasusXC^skcopVSeacBelus.ατα?

47 ×zscz firs year

45/<(1)*/

49gen In^n□oas=-n(xnocine)

50reg fatalityrate sperd65 5peed*0 be08 drinkβgc IninCOBr βoe, r

5丄*st ιror?CI

52/?(2)*/

53×zxeg XazallLyxaze ?t>

-u?vαg* βρ?

f? 1 (flpaf

54Unt □core c2

55∕*(3)?∕

Se xτreg ±a^alιtyxate Sb

USeage SPee^feS apeed70 ca08 drxnk2ge InXnCo∞ age =?yea∑ 丄?tips, fe VCe(XotU3t> est store c3 Se ∕? (5??/

59 San vwτ

€0∕?(?)?/

61XCa nb

u□ecσe PXXriary 3econdary 0ceed6S opeed70 baO8 dr3∏teσc2丄丄mr:COaLC a?c, r

62esr S^Ore c4

€3 Xtreg Sb

S Udeage PrIXaXy secondary GPCea65 apcεd70 ba J8 e∑xnkage2丄InXnCCiae age 丄.year 丄.±ιps

±e VCe(robust!

C4 est Store c5

CS ??ttΛD CI C2 C3 C4 CS UBLna cn??xupi?r = i■■芒r2 ?∑2 (?)

66/?E11.1*/

67us? M CΛus

68/?(1>*/

￡9Suin IC sxtt>an≡=l

70t ZeSZ 9ΛZ ke∑ x± 3n3^er≡=?r by ιe≡Jccan)丄evel(9S>

71IogOUt

nd化(1) VOreI IePleCe: Ctest 3≡0ker if 3Λckrr-JΛ by (3t1kban) IeVel (95)

/* (2)*/

reg SmolCeX SIrJcfoan. ∑ est StOre dl /A ∣3)a /

gen age2-ace*age

reg SinojCeJr SlrJCban female age age2 hsdrop hsgrad CCISoXle CClgrad 匕JLa=IC hi ?spanic f X est StOre 02

∕Λ (4)A ∕

CeSt ( asιkfcan =0)

log?Ut r sav# (2} Werd replace: t ?βt ( SInkban ≡0)

∕a IS)a /

二USC ( hsdxop -0) ( hsgcαd -0)

IOgOUt r save (3∣ WCrd replace: test ( hsdxcp ≡0)( hsgrad ≡0) test ( COlscire ≡0) ( COIarad ≡0)

IogOUC r 3dve (

tuoway(fαnction y ■ O. D345?戈-0.0G0463a x ?x + O. l∈4r rang

PrObit ainokGr omkban female age agc2 hadxcj: hagrad colaoxtc COIgXad black hlspanic, VCe ∣∑cbu3^) est Store d3

esttaD aι 02 α3 USIng ιcan.rtr,Se r2 ar2 ∣?) ∕*(2)V

test ( 9ΛkkAn ≡0)

loσout^ SaVe (51 VCrCi replace: teat ( Snkran ≡0)

/A (3)V

teat ( hadxcp ≡0)( hograd ≡0) IOgOUt r sav# (β) VCrd r ?plac^! t ?st ( h≡drcp ≡0)( hsgrad ≡0) ZeSt ( COlScrce ≡0)( COLgraa ≡□)

IOgOUC r 30Ve (7) WQXd replace; teat ( GO 13GXΠC -Ol ( ColgXad —0)

∕?E11.3?∕

Ufle R C:\Uaeis\d3Us\Des)C5Op\lnauxance.

CteSt SelIemP Ir InSUrea≡≡ιr Dy(SelrenX)IeVeI195)

ICCOUt^ SaVe (8)WOra replace: CteSt SelleliD Ir InSUreα≡≡ι, Dy(Seirerrr )Ievei(95) ttest SeIfenP If InSUred≡≡3z by(selfe∏r )IeVeI ∣95) rec InSUred SeIfemp, r

StOr? 八(2)*/

ger age2=ag^t age

Xeg InSUXed SeIfemP age a?e2 healthy anyIin XIale deg nd deg ged deg hs deg ba

Ceg_Phd deg_oxh Xarried familysz Xeg_ne Xeg_nv reg_SO reg_We race_hl XaCe_Ot XaCe_Wht r r est StOXe e2 ∕* (4)>∕

gen age*selfenp=age* sel￡exp

reg InOUXCd □clfemp age age2 CgUXSUafUItF healthy anyliΛ nale deg nd CCg gcd deg hn deg ba deg Ila deg Phd deg_Oth XarrXeQ fartilyoz Xeg ne reg mw reg ^□ Zeg We XoCC bI XaCe Ot race wh ?r e□t stOXe c3

∕* (5)w ∕

Xeg heclthy 3elfeΛp r ￡ esc acoxe e4

Xeg ?edlchy aelCemp age ag±2r X

eat StoXe eδ

IeC neaιt ?y SeIreInP aαe aαe2 any 丄IItl πi ?ie aea_na dea_aea aea_ns aea_Da CeC e IIA aβσ-p ?a aea_Otn Harrleel

ramιiysz rej βne reo__niw re ?-ao Tea_We race -bi race -ot race -w ?t^ r est store e6

esttab ￠1 e2 e3 e4 e5 e6 using end ?rtf.se r2 ar2 (4)∣

72 73 74 75 7€ 77

79 80

aι

82 03 84

ββ 87 89

90 91

93 94 &5

97 9B gg IOQ 101 102 103 104

丄05

106 10? 108 109 110 111 112 113 114 115 IIe 117 118 119 120 121 122 123 0

丄23

126 12? 128

E10.1

(1) lnvio (2) lnvio (3) lnvio (4) lnvio (5) lnvio

shall -0.443***-0.368***-0.0461 *-0.288***-0.0280

(0.0475) (0.0348) (0.0189) (0.0337) (0.0278)

incarc_rate 0.00161***-0.0000710 0.00193***0.0000760

(0.000181) (0.0000936) (0.000114) (0.0000720)

density 0.0267 -0.172*-0.00887 -0.0916

(0.0143) (0.0850) (0.0139) (0.0485)

avginc 0.00121 -0.00920 0.0129 0.000959

(0.00728) (0.00591) (0.00796) (0.00729)

pop 0.0427***0.0115 0.0408***-0.00475

(0.00315) (0.00872) (0.00252) (0.00781)

pb1064 0.0809***0.104***0.1000***0.0292

(0.0200) (0.0178) (0.0182) (0.0183)

pw1064 0.0312**0.0409***0.0401***0.00925

(0.00973) (0.00507) (0.00912) (0.00538)

pm1029 0.00887 -0.0503 ***-0.0444 *0.0733***

(0.0121) (0.00640) (0.0175) (0.0129)

_cons 6.135*** 2.982*** 3.866*** 2.948*** 4.348***

(0.0193) (0.609) (0.385) (0.569) (0.435)

N 1173 1173 1173 1173 1173

0.087 0.564 0.218 0.580 0.955

adj. R20.0859 0.5613 0.1771 0.5690 0.9525

State Effects No No Yes No Yes

Time Effects No No No Yes Yes

Standard errors in parentheses

* 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，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) lnrob (2) lnrob (3) lnrob (4) lnrob (5) lnrob

shall -0.773***-0.529***-0.00782 -0.341***0.0268

(0.0693) (0.0510) (0.0253) (0.0457) (0.0243)

incarc_rate 0.00101***-0.0000763 0.00177***0.0000314

(0.000187) (0.000125) (0.000155) (0.000112)

density 0.0905 ***-0.186 -0.00918 -0.0447

(0.0154) (0.114) (0.0189) (0.0737)

avginc 0.0407 ***-0.0175 *0.0643***0.0144

(0.00927) (0.00791) (0.0108) (0.0101)

pop 0.0778 ***0.0163 0.0720***0.0000164

(0.00549) (0.0117) (0.00343) (0.0118)

pb1064 0.102***0.112***0.167***0.0141

(0.0266) (0.0238) (0.0248) (0.0270)

pw1064 0.0275*0.0272***0.0557***-0.0128

(0.0135) (0.00679) (0.0124) (0.00720)

pm1029 0.0273 0.0112 -0.189***0.105***

(0.0150) (0.00857) (0.0238) (0.0222) _cons 4.873***0.904 2.446*** 1.792* 3.587***

(0.0279) (0.889) (0.515) (0.772) (0.645)

N 1173 1173 1173 1173 1173

R2 0.121 0.596 0.037 0.653 0.961

adj. R20.1201 0.5934 -0.0135 0.6434 0.9593 Standard 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：

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）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) lnmur (2) lnmur (3) lnmur (4) lnmur (5) lnmur

shall -0.473***-0.313***-0.0608 *-0.198***-0.0150

(0.0485) (0.0357) (0.0258) (0.0340) (0.0297)

incarc_rate 0.00210***-0.000360**0.00260***-0.000116

(0.000154) (0.000128) (0.000115) (0.000148

)

density 0.0397***-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)

pop 0.0416***-0.0257 *0.0393***-0.0321**

(0.00351) (0.0119) (0.00255) (0.00902)

pb1064 0.131***0.0307 0.188***0.0220

(0.0188) (0.0242) (0.0184) (0.0434)

pw1064 0.0471***0.0103 0.0739***

0.000489

(0.00909) (0.00693) (0.00921) (0.0119)

pm1029 0.0655***0.0392***-0.0502**0.0692*

(0.0137) (0.00874) (0.0177) (0.0289)

_cons 1.898***-2.486***0.460 -2.831***0.657

(0.0220) (0.615) (0.525) (0.574) (0.726)

N 1173 1173 1173 1173 1173

0.083 0.606 0.153 0.642 0.921

adj. R20.0826 0.6032 0.1087 0.6328 0.9167

Standard 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：

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）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) fatalityrate

(2)

fatalityrate

(3)

fatalityrate

(4) sb useage

(5) sb

useage

sb_useage 0.00407**-0.00577***-0.00372*

(0.00123) (0.00116) (0.00145)

speed65 0.000148 -0.000425 -0.000783 0.0751***0.0228

(0.000408) (0.000334) (0.000580) (0.0115) (0.0205)

speed70 0.00240***0.00123***0.000804 0.00971 0.0120

(0.000472) (0.000329) (0.000457) (0.0133) (0.0206)

ba08 -0.00192***-0.00138***-0.000822 0.0463***0.00376

(0.000361) (0.000373) (0.000443) (0.0104) (0.0176)

drinkage21 0.0000799 0.000745 -0.00113 -0.00378 0.0107

(0.000987) (0.000507) (0.000622) (0.0183) (0.0272)

lnincome -0.0181 ***-0.0135 ***0.00626 0.337***0.0583

(0.00109) (0.00142) (0.00670) (0.0218) (0.256)

age

0.000979*0.00132 -0.00497*0.0138

0.00000722

(0.000164) (0.000382) (0.000694) (0.00242) (0.0231)

primary 0.300***0.206***

(0.0125) (0.0232) secondary 0.148***0.109***

(0.0106) (0.0134)

_cons 0.197***0.121***-0.0780 -2.819***-0.893

(0.00925) (0.00977) (0.0664) (0.203) (2.642) N 556 556 556 556 556

0.549 0.687 0.751 0.746 0.842 adj. R20.5435 0.6509 0.7408 0.7422 0.8355

State Effects No Yes Yes No Yes

Time Effects No No Yes No Yes

Standard errors in parentheses

* 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0.000577。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，adjusted R2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%）=0.0014136，Stata计算得每个州交通路段平均事故发生数为

41447 ，41447×0.0014136=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=0.097

0.00372×0.097=0.00036 从给的数据得新泽西州1997 年的vmt 为63308

63308×0.00036≈22.79 所以预估2000 年这一变化能挽救22 条生命。

E11.1

1)Two-sample t test with equal variances

由上图可知：

①所有工作者的吸烟概率：2423 ÷10000=0.2423

②stata 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=0.212

③stata 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) smoker (2) smoker (3) smoker

main

smkban -0.0776 ***-0.0472 ***-0.159***

(0.00895) (0.00897) (0.0291)

female -0.0333 ***-0.112***

(0.00857) (0.0288)

age 0.00967***0.0345***

(0.00190) (0.00688)

age2 -0.000132 ***-0.000468***

(0.0000219) (0.0000826)

hsdrop 0.323*** 1.142***

(0.0195) (0.0730)

hsgrad 0.233***0.883***

(0.0126) (0.0604)

colsome 0.164***0.677***

(0.0126) (0.0614)

colgrad 0.0448***0.235***

(0.0120) (0.0654)

black -0.0276 -0.0843

(0.0161) (0.0535)

hispanic -0.105***-0.338***

(0.0140) (0.0494)

_cons 0.290***-0.0141 -1.735***

(0.00726) (0.0414) (0.152)

N 10000 10000 10000

0.008 0.057

adj. R20.0077 0.0560

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。

smkban =

F( 1, 9989) = 27.76

Prob>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）

( 1 ) hsdrop = 0 ( 1 ) colsome = 0

( 2 ) hsgrad = 0 ( 2 ) colgrad = 0

F ( 2, 9989) = 219.6 F( 2, 9989) = 95.27

Prob>F = 0 Prob>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。

关系图如上。上表回归（2）结果可知Age 2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。

5%的水平下显著。

E11.2

（1）probit 模型如上表第（3）列所示。

2）

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。

3）

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=0.0345×20-0.000468 ×20×20+1.142-1.735=-0.0902 ，查标准正态分布表得 A 的吸烟概率为0.464

② 遭遇工作场所禁止吸烟规定的情况下， A 吸烟的概率：z=0.0345×20-0.000468

×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：0.00967×20-0.000132×20×20+0.323－

0.0141=0.4495

② 遭遇工作场所禁止吸烟规定的情况下：

0.00967×20-0.000132×20×20+0.323－0.0141-0.0472=0.4023

0.4495-0.4023=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：

0.00967×40-0.000132×40×40+0.0448 －0.0276－0.0141－0.0333=0.1454

② 遭遇工作场所禁止吸烟规定的情况下：0.00967×40-0.000132×40×40+0.0448－0.0276－

0.0141－0.0333-0.0472=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) insured

(2)

insured

(3)

insured

(4)

healthy

(5)

healthy

(6)

healthy

selfemp - -0.175***-0.212***0.0101 0.0196*0.0133

0.128***

(0.0148) (0.0140) (0.0633) (0.0079) (0.00805) (0.00788)

age 0.0101***0.0103***0.000576 -0.00142

(0.00272) (0.00274) (0.00172) (0.00179)

age2 -0.000079*-0.000083*-0.000029 0.0000014

(0.000033 (0.000033 (0.000022 (0.000022

0) 4) 5) 9)

healthy 0.0349*0.0350*

(0.0177) (0.0177)

anylim 0.00201 0.00199 -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_ge -0.212

-0.212

-0.0753 d

(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)

married

0.136*** 0.136***

- (0.0101) (0.0101)

(0.00652)

familys -0.0168*** -0.0168*** -0.00262 z (0.00318) (0.00318) (0.00212) reg_mw

0.0158

0.0157

0.0123

(0.0114) (0.0114)

(0.00783)

reg_so

-0.0335** -0.0336** 0.0000683

(0.0110) (0.0110)

(0.00762) reg_we

-0.0369** -0.0371** -0.000414

(0.0125) (0.0125)

(0.00828)

race_ot

-0.0197 -0.0196

-0.00842

(0.0258) (0.0258)

(0.0175) race_w 0.0268*

0.0268*

0.0260**

(0.0133) (0.0133)

(0.00912)

0.000865

Age ×

selfemp

(0.00139)

_cons

0.817

***

0.638

***

0.636

*** 0.927

***

0.953

***

1.013

***

(0.0044 (0.0626) (0.0627) (0.0029 (0.0309) (0.0373)

0) 5)

N 8802 8802 8802 8802 8802 8802

2 0.011 0.146 0.146 0.000 0.006 0.058

adj. R20.0108 0.1445 0.1444 0.0001 0.0058 0.0563

Standard errors in parentheses

* p < 0.05, ** p < 0.01, *** p < 0.001

(1)

① 所有人参加健康保险的概率：7052÷8802=0.801

② 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：

738÷1071=0.689

③ 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：

6314÷7731=0.817

0.817-0.689=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。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0<0.01，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，age2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

0.000865 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。