上传do文件附件或word文件就可以 请先放一部分截图让我能看出来是会做的，求教各位大神

一、该练习利用womenwk数据。通过webuse womenwk命令下载。该数据集包含2000名妇女的信息，其中657名未工作者没有工资记录。

1.根据工资wage变量，生成虚拟变量work=0，如果没有工作，work=1如果有工作；
2.使用probit模型拟合工作决定模型，即决定工作与否依赖于妇女 年龄(age)、婚姻状况(married)、小孩数量(children)以及教育水平(education)
3.计算各变量的边际效应；模型的拟合情况是否令人满意？
4.使用logit模型计算2，3步，比较probit模型和logit模型的系数和边际效应。
5.生成妇女工资的对数变量lw。生成lwf变量，有工作的妇女观测值等于lw变量，无工作的另其等于0. 如果观测值中工资wage有小于1的，在应用tobit模型时会出现什么问题？该样本是否存在？
6.（tobit）将lwf作为被解释变量，使用线性回归估计工资决定方程（与2中解释变量相同）；使用tobit模型估计，lwf在0点左删失，并估计各变量的边际效应；
7.比较观测值lw、lwf、上面线性回归拟合值、tobit模型拟合值；
8.（heckman选择模型）被解释变量为有缺失值的lw,将结果方程设定为教育(education)、年龄(age)、小孩数量(children)的函数。首先用最小二乘法估计该方程；再利用heckman选择模型，选择方程与4相同。两方程误差项的相关系数为多少？根据似然率检验结果，是否应该使用heckman选择模型？ 使用Heckman两步法重新估计。
二、poisson模型，这部分练习使用一个德国医疗数据，healthcare.csv，里面包含了看医生（docvis)和去医院(hospvis)次数的数据。该数据被用来研究是否存在道德风险问题，即这两个变
量是否会受到购买健康保险的影响。数据包含了两个层次的保险覆盖率的虚拟变量公共保险public，和次级可选保险addon
。我们来看docvis的情形。假设这个模型的外生变量为：年龄(age）、教育(educ)、家庭收入(hhninc)、是否有孩子(hhkids)、公共保险(public)。
1.使用poisson回归估计该模型；使用稳健标准误再次估计该模型，标准误或z统计量差异大不大？意味着什么？
2.利用课堂介绍过的Cameron and Trivedi（1990）方法检验是否存在过度离散问题？
3.如果存在过度离散问题，使用NB模型重新估计。