1. 请贴出stata报错信息以及回归结果，而不是仅仅相关系数表
2. 个人感觉考虑人口流动时，可以考虑两个城市之间的差异，而不是单纯的流入城市的城市特征

------------------------------------------------------------------------------
           y | Odds Ratio   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
     indstru |   19.35369    9.03727     6.35   0.000     7.749834    48.33205
         fdi |   1.4e+148   1.9e+149    24.99   0.000     3.3e+136    5.7e+159
         ind |   14.87624    2.43137    16.52   0.000     10.79874    20.49337
    register |   .4766102   .0303457   -11.64   0.000     .4206951    .5399572
          gd |   12.00682   4.773679     6.25   0.000     5.508165    26.17274
     marrige |   1.035712    .083057     0.44   0.662     .8850718    1.211992
      gender |   1.214095   .0748808     3.15   0.002     1.075855    1.370097
          hk |    .930792   .0623874    -1.07   0.285     .8162063    1.061464
         edu |   1.115824   .0128394     9.52   0.000     1.090941    1.141274
          nl |   1.012828   .0038724     3.33   0.001     1.005267    1.020446
       child |   1.829297   .1601638     6.90   0.000     1.540839    2.171756
          jk |   2.106903   .6718042     2.34   0.019     1.127799    3.936022
       _cons |   .0000119   8.56e-06   -15.72   0.000     2.89e-06    .0000488
------------------------------------------------------------------------------
Note: _cons estimates baseline odds.
Logistic model for y, goodness-of-fit test

       number of observations =     10355
number of covariate patterns =      5270
           Pearson chi2(5257) =     44760.28
                  Prob > chi2 =         0.0000

您好，感谢您回复指导！这是结果，hosmer检验没过，您说的城市间差异，我的解释变量的流出东北为1，未流出为0，未流出的人即对应各自所在东北三省的经济特征，数据里应该包括了城市差异吧，或者我的数据输入有问题？

抱歉，回复有点晚，需要审核

logistic y indstru fdi wage syl register gd marrige gender hk edu nl child jk

Logistic regression                       Number of obs     =     10,355
                                                LR chi2(-1)       =   12456.30
                                                Prob > chi2       =          .
Log likelihood =          0              Pseudo R2         =     1.0000

------------------------------------------------------------------------------
           y | Odds Ratio   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
     indstru |   1.87e-12          .        .       .            .           .
         fdi |          .          .        .       .            .           .
        wage |          .          .        .       .            .           .
         syl |   1.94e-29          .        .       .            .           .
    register |   2.94e+13          .        .       .            .           .
          gd |   1.7e+133          .        .       .            .           .
     marrige |   .7187995          .        .       .            .           .
      gender |   .9121089          .        .       .            .           .
          hk |   1.123546          .        .       .            .           .
         edu |   .9909775          .        .       .            .           .
          nl |   1.011755          .        .       .            .           .
       child |   .8996043          .        .       .            .           .
          jk |   1.274078          .        .       .            .           .
       _cons |          0          .        .       .            .           .
------------------------------------------------------------------------------
Note: _cons estimates baseline odds.
Note: 7360 failures and 2995 successes completely determined.


如果是加入工资与失业率就这样了，加入其中任何一个回归就失败，不收敛

logistic y indstru fdi ind register gd marrige gender hk edu nl child jk

Logistic regression                             Number of obs     =     10,355
                                                LR chi2(12)       =    5538.24
                                                Prob > chi2       =     0.0000
Log likelihood = -3459.0276                     Pseudo R2         =     0.4446

------------------------------------------------------------------------------
           y | Odds Ratio   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
     indstru |   19.35369    9.03727     6.35   0.000     7.749834    48.33205
         fdi |   1.4e+148   1.9e+149    24.99   0.000     3.3e+136    5.7e+159
         ind |   14.87624    2.43137    16.52   0.000     10.79874    20.49337
    register |   .4766102   .0303457   -11.64   0.000     .4206951    .5399572
          gd |   12.00682   4.773679     6.25   0.000     5.508165    26.17274
     marrige |   1.035712    .083057     0.44   0.662     .8850718    1.211992
      gender |   1.214095   .0748808     3.15   0.002     1.075855    1.370097
          hk |    .930792   .0623874    -1.07   0.285     .8162063    1.061464
         edu |   1.115824   .0128394     9.52   0.000     1.090941    1.141274
          nl |   1.012828   .0038724     3.33   0.001     1.005267    1.020446
       child |   1.829297   .1601638     6.90   0.000     1.540839    2.171756
          jk |   2.106903   .6718042     2.34   0.019     1.127799    3.936022
       _cons |   .0000119   8.56e-06   -15.72   0.000     2.89e-06    .0000488
------------------------------------------------------------------------------
Note: _cons estimates baseline odds.
estat gof

Logistic model for y, goodness-of-fit test

       number of observations =     10355
number of covariate patterns =      5270
           Pearson chi2(5257) =     44760.28
                  Prob > chi2 =         0.0000
这是剔除工资和失业率的结果，但是我觉得不能剔除这两个。城市间的差异的话，我数据里未流出东北为0.对应的城市特征就是未流出这些人各自所在东北三省的城市经济特征，不知道这样输入是否有问题？