使用stata编写do 文档 本题利用CRIME4中的数据。 (1)使用固定效用法而不是差分法重新估计例 13.9中关于罪犯的非观测效应模型。系数的符号和大小有什么明显变化？其统计显著性又怎样? (2)在数据集中加每个工资变量的对数再用固定效用法估计模型。添加这些变量如何影响第(1)部分有关司法变量的系数? (3)第(2)部分的工资变量都带有预期的符号吗?请解释它们是联合显著的吗?使用stata将解题步骤编写do 文档

首先，我们需要打开数据集并设置数据。假设数据集已经导入到Stata中并命名为“crime4”。我们可以使用以下代码将数据设置为面板数据：

xtset id year

接下来，我们需要使用固定效用法估计非观测效应模型。我们可以使用以下代码来实现：

xtreg y x1 x2 x3 i.year, fe

其中，“y”是因变量，“x1”、“x2”和“x3”是自变量， “i.year”表示将年份作为虚拟变量来控制时间效应，“fe”表示使用固定效用法。

接着，我们需要检查系数符号和大小是否有变化，以及统计显著性是否发生变化。我们可以使用以下代码查看结果：

estimates store model1

这将保存固定效用法模型的结果。我们可以使用以下代码来比较两个模型：

esttab model1 model2, b(%9.3f) se(%9.3f) star(* 0.10 ** 0.05 *** 0.01)

其中，“model1”和“model2”是我们保存的两个模型结果，“b”和“se”分别表示系数和标准误，星号表示统计显著性水平。

对于第二部分，我们需要加入工资变量的对数并重新估计模型。我们可以使用以下代码来添加自然对数的工资变量：

gen lnwage1 = ln(wage1)
gen lnwage2 = ln(wage2)
gen lnwage3 = ln(wage3)

接下来，我们可以使用以下代码来重新估计模型：

xtreg y x1 x2 x3 lnwage1 lnwage2 lnwage3 i.year, fe

最后，我们需要检查工资变量对司法变量系数的影响。我们可以使用以下代码来比较两个模型：

estimates table model1 model2

其中，“model1”是没有加入工资变量的模型，“model2”是加入工资变量的模型。我们可以查看司法变量系数的变化，以及工资变量的预期符号和联合显著性。

为了实现所有这些步骤，我们可以将它们放入一个do文件中。以下是可能的do文件的示例代码：

* 设置面板数据
xtset id year

* 估计固定效用法模型
xtreg y x1 x2 x3 i.year, fe
estimates store model1

* 加入对数工资变量并重新估计模型
gen lnwage1 = ln(wage1)
gen lnwage2 = ln(wage2)
gen lnwage3 = ln(wage3)
xtreg y x1 x2 x3 lnwage1 lnwage2 lnwage3 i.year, fe
estimates store model2

* 比较两个模型
esttab model1 model2, b(%9.3f) se(%9.3f) star(* 0.10 ** 0.05 *** 0.01)

* 检查工资变量对司法变量系数的影响
estimates table model1 model2