global xvars educ exper exper2 tenure tenure2 east married
意思是将后面的变量educ exper exper2 tenure tenure2 east married全部赋值到global macro variable命名为： xvars
describe lnwage lnbmi* $xvars
意思是描述变量lnwage lnbmi* $xvars
其中lnbmi*将*部分省略，也就是描述全部lnbmi打头的变量（你数据里面就是lnbmi, lmbmi_dad, lnbmi_mom）
其中用$符号调用global macro variable xvars（也就是educ exper exper2 tenure tenure2 east married）
描述的table里面有variable name, storage type, display format, value label, varible label
variable name是数据名
storage type数据类型: float指numeric的数字型变量
display format显示格式
value label数值备注标签
varible label变量备注标签
quietly reg lnwage lmbmi $xvars
是安静的做regression，其中被解释变量是lnwage，解释变量是lnwage后面的一串
estimate store ols
意思是把估计系数存起来命名为：ols
quietly ivreg 2sls lnwage (lnbmi=lnbmi_dad lmbmi_mom) $xvars
是用2-stage least square估计IV regression，其中被解释变量是lnwage，解释变量是lnwage后面那一串，括号里面的意思是
指在run 2nd stage regression 前先run 1st stage regression, 其中1st stage regression就是括号里面的lnbmi=lnbmi_dad lmbmi_mom。
estimates store tsls
意思是把估计系数存起来命名为：tsls
predict u_aux1, resid
意思是把上面刚估计的ivreg的residual 存起来命名为： u_aux1
quietly reg lnbmi $xvars lnbim_dad lnbim_mom
意思是安静的做回归，被解释变量是：lnbmi，解释变量是后面那一串
estimates store aux1
意思是把估计系数存起来命名为：aux1
predict u_aux1, resid
意思是把上面刚估计的reg的residual 存起来命名为： u_aux1
testparm lnbmi_dad lnbim_mon
意思是做F-test其中原假设H0:lnbmi_dad=0 且 lnbim_mon=0
F(2,813) = 46.13是指F-test statistics = 46.13
Prob>F = 0.0000 是指拒绝原假设（也就是说经检验那两个变量lnbmi_dad和lnbim_mon不是都等于0）
quietly reg u_tsls $xvars lnbmi_dad lnbmi_mom
是安静的做回归，被解释变量是u_tsls，解释变量是u_tsls后面的一串
estimates store aux2
意思是把估计系数存起来命名为： aux2
estimates table ols tsls aux1 aux2, star(0.1 0.05 0.01) stats(N r2)
是指将上面的变量ols tsls aux1 aux2用table列出来
其中star(0.1 0.05 0.01)选项表示*，**，***分别对应0.1，0.05，0.01显著水平下显著的变量
stats(N r2) 选项同时列出sample size N和r2
这个表格应该数着读，第一列到第四列分别是前面存储命名为ols, tsls, aux1, aux2的系数估计值。
quietly reg lnwage lnbmi $xvars u_aux1
是安静的做回归。被解释变量是lnwage，解释变量是lnwage后面的一串
testparm u_aux1
意思是做H0:u_aux1=0的t检验
F(1,813)=4.70是检验test statisics
Prob >F = 0.0305 。因为0.0305<0.05，说明经检验在95%显著水平下不拒绝（接受）原假设H0:u_aux1=0。追问
意思是将后面的变量educ exper exper2 tenure tenure2 east married全部赋值到global macro variable命名为： xvars
describe lnwage lnbmi* $xvars
意思是描述变量lnwage lnbmi* $xvars
其中lnbmi*将*部分省略，也就是描述全部lnbmi打头的变量（你数据里面就是lnbmi, lmbmi_dad, lnbmi_mom）
其中用$符号调用global macro variable xvars（也就是educ exper exper2 tenure tenure2 east married）
描述的table里面有variable name, storage type, display format, value label, varible label
variable name是数据名
storage type数据类型: float指numeric的数字型变量
display format显示格式
value label数值备注标签
varible label变量备注标签
quietly reg lnwage lmbmi $xvars
是安静的做regression，其中被解释变量是lnwage，解释变量是lnwage后面的一串
estimate store ols
意思是把估计系数存起来命名为：ols
quietly ivreg 2sls lnwage (lnbmi=lnbmi_dad lmbmi_mom) $xvars
是用2-stage least square估计IV regression，其中被解释变量是lnwage，解释变量是lnwage后面那一串，括号里面的意思是
指在run 2nd stage regression 前先run 1st stage regression, 其中1st stage regression就是括号里面的lnbmi=lnbmi_dad lmbmi_mom。
estimates store tsls
意思是把估计系数存起来命名为：tsls
predict u_aux1, resid
意思是把上面刚估计的ivreg的residual 存起来命名为： u_aux1
quietly reg lnbmi $xvars lnbim_dad lnbim_mom
意思是安静的做回归，被解释变量是：lnbmi，解释变量是后面那一串
estimates store aux1
意思是把估计系数存起来命名为：aux1
predict u_aux1, resid
意思是把上面刚估计的reg的residual 存起来命名为： u_aux1
testparm lnbmi_dad lnbim_mon
意思是做F-test其中原假设H0:lnbmi_dad=0 且 lnbim_mon=0
F(2,813) = 46.13是指F-test statistics = 46.13
Prob>F = 0.0000 是指拒绝原假设（也就是说经检验那两个变量lnbmi_dad和lnbim_mon不是都等于0）
quietly reg u_tsls $xvars lnbmi_dad lnbmi_mom
是安静的做回归，被解释变量是u_tsls，解释变量是u_tsls后面的一串
estimates store aux2
意思是把估计系数存起来命名为： aux2
estimates table ols tsls aux1 aux2, star(0.1 0.05 0.01) stats(N r2)
是指将上面的变量ols tsls aux1 aux2用table列出来
其中star(0.1 0.05 0.01)选项表示*，**，***分别对应0.1，0.05，0.01显著水平下显著的变量
stats(N r2) 选项同时列出sample size N和r2
这个表格应该数着读，第一列到第四列分别是前面存储命名为ols, tsls, aux1, aux2的系数估计值。
quietly reg lnwage lnbmi $xvars u_aux1
是安静的做回归。被解释变量是lnwage，解释变量是lnwage后面的一串
testparm u_aux1
意思是做H0:u_aux1=0的t检验
F(1,813)=4.70是检验test statisics
Prob >F = 0.0305 。因为0.0305<0.05，说明经检验在95%显著水平下不拒绝（接受）原假设H0:u_aux1=0。追问
那我想问下那个storage type 中的float是什么意思
追答float是浮点型变量，是stata默认存储数值变量的类型。
那我想问下表中用了ols 和 tsls两种方法，怎么可以看出哪一种方法更好
还有aux1 和aux2 显示了什么样的一个结果？
对比table前两列ols和tsls：
系数差别很大。
tsls对，ols不对。
ols出错因为lnbmi是内生（endogenous）的，所以tsls用lnbmi_dad lnbmi_mom做IV，消除内生性。
对比table后两列aux1和aux2：
aux1是 reg lnbmi $xvars lnbim_dad lnbim_mom得到的系数，其中许多系数，尤其是lnbmi_dad lnbmi_mom系数是显著的（这一点从testparm lnbmi_dad lnbmi_mom拒绝原假设也可以看出）
aux2是 reg u_tsls $xvars lnbmi_dad lnbmi_mom得到的系数，其中的系数全部不显著。说明tsls的残差和regressors之间没有相关性，也就是说消除了endogeneity。
（如果回答不周请追问，如果回答满意麻烦请评价。谢谢）
温馨提示：答案为网友推荐，仅供参考
相似回答