参见下例，希望有所帮助（这是用最基本的命令，还有其他命令，可在google搜到）：

oaxaca lnwage sch_year age age2 married section,by(female) w(0) d(age=age*)
*说明：by（）选项指分组；w()为weight的所写，指以哪组为基准，由于female变量值＝0时表示男性，故w（0）；d()是将方程中含有多项式的变量，在结果中合并为一个，即age造成的差异。如果同时想要得到男性和女性工资方程的估计结果，则可加入选项命令noi，，这里略。估计结果如下：

Blinder-Oaxaca decomposition                      Number of obs   =      37939
           1: female = 0
           2: female = 1
------------------------------------------------------------------------------
    lnwage |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
Differential |
Prediction_1 |   7.242706   .0046748  1549.32   0.000     7.233544    7.251868
Prediction_2 |   7.015698   .0053333  1315.45   0.000     7.005245    7.026151
  Difference |   .2270081   .0070921    32.01   0.000     .2131079    .2409084
-------------+----------------------------------------------------------------
Explained   |
    sch_year |   .0472707   .0043371    10.90   0.000     .0387701    .0557712
        age |    .016506   .0022268     7.41   0.000     .0121416    .0208704
     married |  -.0020037   .0005397    -3.71   0.000    -.0030614   -.0009459
     section |   .0006113     .00035     1.75   0.081    -.0000746    .0012973
       Total |   .0623843   .0048672    12.82   0.000     .0528449    .0719238
-------------+----------------------------------------------------------------
Unexplained  |
    sch_year |   -.259156   .0284742    -9.10   0.000    -.3149643   -.2033476
         age |   .2544667   .0970657     2.62   0.009     .0642215    .4447119
     married |   .0696424   .0139843     4.98   0.000     .0422337    .0970511
      section |   -.041163   .0097017    -4.24   0.000     -.060178   -.0221481
       _cons |   .1408337   .0912433     1.54   0.123    -.0379999    .3196673
        Total |   .1646238   .0063343    25.99   0.000     .1522088    .1770388
------------------------------------------------------------------------------
age: age age2
结果中，1表示男性组，2表示女性组；prediction_1和_2分别表示男性与女性工资对数的均值；Difference表示男女工资差异，即[（男性工资/女性工资）－1]。
Explained部分表示了由各解释变量解释了的工资差异部分（又称禀赋差异），对应于方程（7）中右边第三项。简单计算可知，性别工资差异可解释的部分的比率（贡献率）是：(0.0624/0.227)=0.275。其中，教育水平的贡献率是[（0.0473/0.2270）=0.208]，同理可得其他变量的贡献率。
Unexplained部分表示了无法解释部分（即歧视部分）对性别差异的贡献，对应于方程（7）中右边第一、二项（其实是第二项）。简单计算可知，这部分占性别差异的比率为（贡献率）为0.725。

谢谢啊，大帅哥！

那预先准备的数据可以是面板数据吗？数据分组是不是就是通过工具变量体现出来就行了？如男人为0，女人为1？其他数据正常excel处理好就行了？谢谢啊

非常感谢，最近在看这种方法的文章，刚好用到。。。

能问下楼主，怎么输入数据吗？