131 1

[公开数据] Wooldridge《计量经济学导论》配套数据集:波士顿学院官方目录 68 组(含观测数与取数命令) [推广有奖]

  • 0关注
  • 0粉丝

等待验证会员

学前班

0%

还不是VIP/贵宾

-

威望
0 级
论坛币
0 个
通用积分
0
学术水平
0 点
热心指数
0 点
信用等级
0 点
经验
10 点
帖子
0
精华
0
在线时间
0 小时
注册时间
2026-11-19
最后登录
2026-11-19

楼主
管理提升88720 发表于 2026-11-19 16:14:25 |AI写论文

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币

一条 bcuse 401k 就能把 1,534 家美国企业的 401(k) 计划数据调进 Stata,不用注册、不用找网盘、不用解压。这是伍德里奇《计量经济学导论》的官方配套数据,二十多年一直挂在波士顿学院经济系的数据页上:一个索引页列全 68 组,合计 92,586 条观测。

 

目录页上到底有多少组数据

 

68 组,按数据结构可以分成四类,观测数按页面标注汇总:

 

类型组数合计观测典型数据集
横截面5041,000 余401K、BWGHT、CARD、CATHOLIC
时间序列111,198CEMENT、INTQRT、BEVERIDGE
面板515,247KEANE、JTRAIN、CORNWELL、INFMRT、KIELMC
混合横截面22,168CPS78_85、CPS91

 

规模跨度很大:最大的 KEANE 有 12,723 条个人面板记录,最小的 FAIR 只有 21 条——1916 到 1992 年每逢大选年的数据,四组观测刚好够做一届选举的横截面估计。中间还有三组抽样副本(401K-50、BWGHT50、GPA2-20),分别是原数据的 50%、50%、20% 子样本,用来说明"样本量变了对标准误有什么影响"。

 

页面是按数据集名字母排的,不是按章节

 

这一点和常见说法不一样:打开目录看到的是 A 到 Z 的字母序,401K 在最前,MATHPNL 在最后,没有任何"第几章"的分组。教材某一章要用哪个数据集,得看正文里 Data Set 的提示,或者章末习题开头写的那一行。

 

想在 R 里按章找更省事:CRAN 上的 wooldridge 包给每组数据都写了对应页码和原始出处,还附一份复现各章例题的 vignette,比目录页的字母序好用。

 

一条命令取数:先装 bcuse

 

  1. ssc install bcuse
  2. bcuse 401k
复制代码

 

第一行装命令(只需一次),第二行按数据集名把数据取进内存。bcuse 是波士顿学院 Baum 写的 SSC 命令,作用就是按名字去站点取 .dta 再 use。全程需要联网,取完想留在本地就 save 一份。页面给的数据集名是小写写法,Stata 里大小写不敏感,bcuse 401K 一样能取。

 

不想联网运行时,SSC 装好的 bcuse 也可以指向本地目录,把 .dta 批量下到硬盘后改路径即可。

 

不用 Stata 也能拿:.dta 直接下载

 

每组数据在站点上只有两种文件:数据本体 .dta 和变量说明 .des。目录页里每个数据集名都是一个链接,点开就是 .des;把同一个位置的文件名换成 .dta,就是数据本体。

 

需要提醒的是格式单一:这里只有 Stata 的 .dta,没有 xls 也没有 csv。要 Excel 得自己转——Stata 里 use 之后 export excel,或者用 R 的 haven 读进来再写出去。想直接读 .dta 又不想装 Stata,haven、pandas 的 read_stata 都能读,8 位版本以上的 .dta 都兼容。

 

常用数据集的实际规模

 

挑读者最常引用的十几组,观测数与内容按页面原文对照:

 

数据集观测内容常见用途
KEANE12,723男性工资与工作经历的多年记录面板、动态劳动供给
401KSUBS9,275401(k) 参与率与匹配率,样本更大版比例因变量
CATHOLIC7,430天主教高中与大学入学处理效应、probit
INJURY7,150工伤严重程度与安全培训计数模型
AIRFARE4,596航线票价、距离与城市对对数模型、虚拟变量
FERTIL24,361女性生育子女数与教育计数、工具变量
CARD3,010受教育年限与就近上大学的成本就近大学作工具变量
CRIME12,725逮捕次数与犯罪史泊松、负二项
LOANAPP1,989抵押贷款申请是否被拒二元选择
401K1,534计划参与率与公司匹配率一元回归入门
BWGHT1,388出生体重与母亲吸烟遗漏变量偏误
GPA1141大学 GPA、高中成绩与 ACT多元回归第一例
HPRICE188房价、面积与地块大小函数形式比较
FAIR21大选年选举结果与个人特征小样本教学

 

同一个主题往往有几组规模不同的版本(BWGHT 与 BWGHT2、CRIME1 到 CRIME4、HPRICE1 到 HPRICE3、CEOSAL1 与 CEOSAL2),教材是先用小样本讲方法、再用大样本看稳健性。做作业时先看清用的是哪一组,系数对不上多半是版本不同。

 

.des 里给的是变量名和定义

 

以 401k.des 为例,正文前半是变量名清单,后面是逐条定义:

 

  1. prate  mrate  totpart  totelg  age  totemp  sole  ltotemp
  2.   Obs:  1534
  3. 1. prate      participation rate, percent
  4. 2. mrate      401k plan match rate
  5. 3. totpart    total 401k participants
  6. 4. totelg     total eligible for 401k plan
  7. 5. age        age of 401k plan
  8. 6. totemp     total number of firm employees
  9. 7. sole       = 1 if 401k is firm's sole plan
  10. 8. ltotemp    log of totemp
复制代码

 

八个变量,一眼能看出哪些是需要自己造的变换(ltotemp 是 totemp 取对数)。另一种排版是 Stata describe 直接导出的表格,列 variable name、storage type、variable label,同样能查到定义。看不到定义就别硬猜——变量名里带
l、ln 前缀的多半是对数变换,带 d 的常是差分或虚拟变量。

 

三个容易踩错的地方

 


第一,JTRAIN3 在目录里被标成了 JTRAIN2。连着两行都写 JTRAIN2,第一行观测 445 条、指向 jtrain2,第二行观测 2,675 条、链接却是 jtrain3.des、命令也是 bcuse jtrain3。按名字找会拿错,认观测数最稳。

 


第二,MATHPNL 的描述写成 cross-sectional,实际是学区乘年度的面板(3,850 条),做固定效应时如果按横截面处理,会把同一学区七年的观测当独立个体,标准误直接算错。

 


第三,三组抽样副本不等于原数据。401K-50 是 767 条、BWGHT50 是 694 条、GPA2-20 是 827 条,跑出来和教材正文的系数有出入属于正常,别以为自己做错了。

 

────────────────

目录页地址、几个常用数据集的直下地址、以及 bcuse 与 R 包的安装入口,都整理在下面的回复里;需要的回帖留下,可见后自取。


游客,如果您要查看本帖隐藏内容请回复

把经管之家装进你常用的 AI 智能体中

一键快捷安装经管之家 MCP/技能,让 AI 帮你查教程、找数据、读论坛帖子。

检索、阅读公开帖子不收费,安装可申请领取:3 通用积分+100 论坛币+3 元论坛资金

请点击查看安装教程与福利 →

说明: AI 算力按所用平台规则计算;附件按原帖条件获取;福利领取条件以活动页面为准。

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝


沙发
明斯基时刻38638 发表于 2026-11-19 18:07:43
目录和取数命令都齐了

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
扫码
拉您进交流群
GMT+8, 2026-11-22 07:45