数据是关于性别收入差距，是以性别为自变量，设置虚拟变量，男为1，女为0。教育程度为调节变量，设置分类变量，初中及以下为1，高中为2，大学及以上为3。收入对数为因变量。还有一堆控制变量。stata不太精通，所以做出结果不太会解释。
我想知道0.sex#2.edu是表示什么，是指和0.sex#1.edu相比，就是高中学历比初中学历收入多10.2%吗？怎么和性别收入差距联系？



能帮忙解释以下omitted出现的原因吗？


. xi: reg lnwage sex i.edu sex#i.edu i.occupation sex#i.occupation exp exp2 party age
i.edu             _Iedu_1-3           (naturally coded; _Iedu_1 omitted)
i.occupation      _Ioccupatio_1-5     (naturally coded; _Ioccupatio_1 omitted)
note: 1.sex#1b.edu omitted because of collinearity
note: 1.sex#2.edu omitted because of collinearity
note: 1.sex#3.edu omitted because of collinearity
note: 1.sex#1b.occupation omitted because of collinearity
note: 1.sex#2.occupation omitted because of collinearity
note: 1.sex#3.occupation omitted because of collinearity
note: 1.sex#4.occupation omitted because of collinearity
note: 1.sex#5.occupation omitted because of collinearity
note: age omitted because of collinearity


      Source |       SS           df       MS      Number of obs   =     7,720
-------------+----------------------------------   F(16, 7703)     =    115.41
       Model |  819.054094        16  51.1908809   Prob > F        =    0.0000
    Residual |  3416.74883     7,703  .443560798   R-squared       =    0.1934
-------------+----------------------------------   Adj R-squared   =    0.1917
       Total |  4235.80292     7,719  .548750216   Root MSE        =      .666


--------------------------------------------------------------------------------
        lnwage |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
---------------+----------------------------------------------------------------
           sex |  -.4690838   .0767413    -6.11   0.000    -.6195175   -.3186501
       _Iedu_2 |   .2807508   .0315439     8.90   0.000     .2189162    .3425853
       _Iedu_3 |   .6499337   .0324892    20.00   0.000     .5862461    .7136214
               |
       sex#edu |
          0 2  | -.1143151   .0412974    -2.77   0.006    -.1952693   -.0333609
          0 3  |   -.219384   .0407241    -5.39   0.000    -.2992143   -.1395538
          1 1  |          0  (omitted)
          1 2  |          0  (omitted)
          1 3  |          0  (omitted)
               |
_Ioccupatio_2 |   .0255839   .0601273     0.43   0.670     -.092282    .1434497
_Ioccupatio_3 |  -.1966052   .0576876    -3.41   0.001    -.3096886   -.0835218
_Ioccupatio_4 |  -.0438574    .064023    -0.69   0.493    -.1693599    .0816451
_Ioccupatio_5 |   -.206366   .0785932    -2.63   0.009      -.36043   -.0523019
               |
sex#occupation |
          0 2  |  -.0413752   .0762609    -0.54   0.587    -.1908672    .1081169
          0 3  |   -.038969   .0728785    -0.53   0.593    -.1818308    .1038927
          0 4  |  -.1429024   .0792419    -1.80   0.071    -.2982381    .0124333
          0 5  |  -.1836532   .0985477    -1.86   0.062    -.3768335    .0095272
          1 1  |          0  (omitted)
          1 2  |          0  (omitted)
          1 3  |          0  (omitted)
          1 4  |          0  (omitted)
          1 5  |          0  (omitted)
               |
           exp |   .0578042   .0037517    15.41   0.000     .0504498    .0651586
          exp2 |  -.0010312     .00007   -14.73   0.000    -.0011685    -.000894
         party |   .0739364   .0195683     3.78   0.000     .0355773    .1122956
           age |          0  (omitted)
         _cons |   9.670573   .0679301   142.36   0.000     9.537412    9.803735
--------------------------------------------------------------------------------