正常是要的！

请问黄老师，如果这里的z变量是离散因子变量的话，该如何处理呢？

请说清楚！

简化回归方程如下：
y=c.x##i.age  
其中，x为连续变量，age为年龄的虚拟变量（年龄为16至37时取值为1，37至50时取值为2，50以上取值为3）；
在x变量为内生性变量的情况下，我现在需要做x的iv分析，假如x的工具变量为v，那么
我想问的就是如何写这个iv分析code？（连续内生变量与 离散变量的交互情况下的iv分析）
[ 如果age不是虚拟变量的话，
可以通过
gen xage=x*age
gen vage=v*age
平时都是写ivregress 2sls y (xage=vage)，vec(r)
（我要分析的y变量是0-1二值变量，所以准确来说，ivprobit y (xage=vage) ，但是我想这应该不会影响此问题的答案）]

非常感谢黄老师的耐心回答！

你写的没错！

按照这个下面的code：
gen xage=x*age
gen vage=v*age
平时都是写ivregress 2sls y (xage=vage)，vec(r)
但是我的age是虚拟变量
我如果按照上面的code的话，他就显现不出来虚拟变量交互的效果，直接把age看成连续变量了
如果我写成
ivregress 2sls y (c.x#i.age=c.v#i.age)，vec(r)的话
它又提示我，被解释变量不能是乘积项

但是，如果我

也只能一项一项乘！

黄老师，我不太明白一项一项乘是什么意思。
1.执行下面这个命令的结果是：
probit y  c.x##i.age
------------------------------------------------------------------------------
           y |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
           x |      0.003      0.002     1.71   0.087       -0.001       0.007
             |
       age|
          2  |     -0.042      0.021    -2.07   0.039       -0.083      -0.002
          3  |     -0.438      0.031   -14.25   0.000       -0.499      -0.378
             |
   age01#c.x |
          2  |     -0.009      0.003    -3.66   0.000       -0.015      -0.004
          3  |     -0.022      0.004    -6.04   0.000       -0.030      -0.015

2.执行下列工具变量命令的结果：
gen xage=x*age
gen vage=v*age
ivprobit y (xage=vage)
----------------------------------------------------------------------------------
                 |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-----------------+----------------------------------------------------------------
            xage |     -0.013      0.001   -14.70   0.000       -0.015      -0.011
           _cons |      0.886      0.010    89.84   0.000        0.867       0.905
-----------------+----------------------------------------------------------------
corr(e.xage,e.y)|      0.135      0.012                         0.111       0.159
       sd(e.xage)|     10.531      0.045                        10.444      10.619
----------------------------------------------------------------------------------
Instrumented:  xage
Instruments:   vage
----------------------------------------------------------------------------------
我要如何使得工具变量后呈现的是第一个回归结果那种age的离散型交互项形式呢，
另外有一个问题，我还需要模型中包含x 和age的单次项，要怎么处理呢，是把交乘项和单次项分别都视为内生变量嘛？

黄老师，我不太明白一项一项乘是什么意思。
1.执行下面这个命令的结果是：
probit y  c.x##i.age
------------------------------------------------------------------------------
           y |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
           x |      0.003      0.002     1.71   0.087       -0.001       0.007
             |
       age|
          2  |     -0.042      0.021    -2.07   0.039       -0.083      -0.002
          3  |     -0.438      0.031   -14.25   0.000       -0.499      -0.378
             |
   age01#c.x |
          2  |     -0.009      0.003    -3.66   0.000       -0.015      -0.004
          3  |     -0.022      0.004    -6.04   0.000       -0.030      -0.015

2.执行下列工具变量命令的结果：
gen xage=x*age
gen vage=v*age
ivprobit y (xage=vage)
----------------------------------------------------------------------------------
                 |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-----------------+----------------------------------------------------------------
            xage |     -0.013      0.001   -14.70   0.000       -0.015      -0.011
           _cons |      0.886      0.010    89.84   0.000        0.867       0.905
-----------------+----------------------------------------------------------------
corr(e.xage,e.y)|      0.135      0.012                         0.111       0.159
       sd(e.xage)|     10.531      0.045                        10.444      10.619
----------------------------------------------------------------------------------
Instrumented:  xage
Instruments:   vage
----------------------------------------------------------------------------------
我要如何使得工具变量后呈现的是第一个回归结果那种age的离散型交互项形式呢，
另外有一个问题，我还需要模型中包含x 和age的单次项，要怎么处理呢，是把交乘项和单次项分别都视为内生变量嘛？

黄老师，我不太明白一项一项乘是什么意思。
1.执行下面这个命令的结果是：
probit y  c.x##i.age
------------------------------------------------------------------------------
           y |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
           x |      0.003      0.002     1.71   0.087       -0.001       0.007
             |
       age|
          2  |     -0.042      0.021    -2.07   0.039       -0.083      -0.002
          3  |     -0.438      0.031   -14.25   0.000       -0.499      -0.378
             |
   age01#c.x |
          2  |     -0.009      0.003    -3.66   0.000       -0.015      -0.004
          3  |     -0.022      0.004    -6.04   0.000       -0.030      -0.015

2.执行下列工具变量命令的结果：
gen xage=x*age
gen vage=v*age
ivprobit y (xage=vage)
----------------------------------------------------------------------------------
                 |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-----------------+----------------------------------------------------------------
            xage |     -0.013      0.001   -14.70   0.000       -0.015      -0.011
           _cons |      0.886      0.010    89.84   0.000        0.867       0.905
-----------------+----------------------------------------------------------------
corr(e.xage,e.y)|      0.135      0.012                         0.111       0.159
       sd(e.xage)|     10.531      0.045                        10.444      10.619
----------------------------------------------------------------------------------
Instrumented:  xage
Instruments:   vage
----------------------------------------------------------------------------------
我要如何使得工具变量后呈现的是第一个回归结果那种age的离散型交互项形式呢，
另外有一个问题，我还需要模型中包含x 和age的单次项，要怎么处理呢，是把交乘项和单次项分别都视为内生变量嘛？

请不要用  ##，直接乘。

表示还是不太明白。我下面那个工具变量没用用##啊

表示还是不太明白。我下面那个工具变量没用用##啊

你若要问程序，永远附上相关资料；若附上资料，永远用 dataex 印出资料。
1.        先 ssc install dataex (并见说明)，将原始 Stata 资料中具有”代表性”的一部分资料列出，以供有意回答者实验之用，并能提供具体操作指令。
2.        请参考说明 https://bbs.pinggu.org/thread-5048204-1-1.html。

同问题，请问您解决了吗？我也是一个连续的内生变量和离散型变量交互

请教老师，我的模型中，与三个交互项，y=a+b0x+b1x*m+b2x*n+b3x*p+e，其中a是常数项，x是内生变量，m\n\p，分别与x交互，找到v做工具变量，那么，应该怎么写 ivreg2 呢？