edu 值为1 2 3 ... 值越高教育水平越高
use 值为1 2 3,1=没用，2=无所谓，3=有用；

corr edu use 就显示相关性系数 了

不需要也不合适。
先说不合适。教育程度不是间距变量，它的不同程度只能代表高低，不包含任何间距的信息，比如说你不能说初中和小学的差距等于初中高中差距，等于大学高中差距……但是如果你把它赋值为1、2、3，那么就默认它们是等间距的。没用、无所谓、有用也是如此，它们之间不是等间距的关系，如果说教育程度可能还勉强可以，那这个态度和间距扯不上一点关系。当然，如果赋值去做，一般不影响结论，但是不严谨，一般也没人这么做。
并且不需要。一般这样的相关性或者分组的趋势性分析是用方差分析或者列联表。
列联表（也有人叫交互标、n维表）适用于变量比较少的情况，多的情况也能做，但是看起来稍微麻烦一些。命令是tabulate，具体可以help)。
方差分析也很好，尤其是变量特别多的时候。不过它不能告诉你趋势，只能告诉你是否有相关性，以及各个解释变量各能解释被解释变量变异的多少。命令是anova，具体看help。它默认解释变量是离散变量（分组），当然连续变量也是可以用的，只需要把该变量写成c.var

往深里讲讲，如果非要用回归，也可以。但不是赋值成连续变量的那种用法。
这种情况下，被解释变量是离散的，那就要用probit/logit回归；解释变量也是离散的，要用虚拟变量（n个取值就要生成n-1个取值（少一个为了避免完全共线性））。关于这两个东西，随便找本计量书里都有，就算不知道原理，看结果也能懂个差不多。但到这还没完——
你知道么，其实这种回归方法（有且仅此一种）和列联表（tabulate）是完全等价的。完全可以在不做回归的情况下从二维联表（例子里是二维）推出这个回归里的所有系数，反着推也可以。这个东西可能在高计里可能会讲，或者看Donald Treiman《量化数据分析》。
（当然stata做方差分析的本质也是做这个回归，但这个是common sense了）
我说这个仅仅是想说不要迷信回归，别太依赖回归，回归不是计量的全部甚至不是多数。

列联表出来以后，多看看就好了。我记得初中高中的时候经常看这个啊，有时候语文题都可能出这么个表。