Treatment-effects model -- two-step estimates   Number of obs      =      2012

                                                Wald chi2(16)      =   6566.89
                                                Prob > chi2        =    0.0000

------------------------------------------------------------------------------
             |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
lnincome     |
  work_hours |   .1364251   .0019359    70.47   0.000     .1326308    .1402195
    homework |   -.204924   .0339245    -6.04   0.000    -.2714149   -.1384331
          gy |     1.4425   .1638876     8.80   0.000     1.121286    1.763714
          zx |  -.0240408   .2072328    -0.12   0.908    -.4302096    .3821281
          dz |   .7353449   .3613597     2.03   0.042     .0270929    1.443597
          sx |   .8869037   .7498048     1.18   0.237    -.5826868    2.356494
         age |   .3788979   .0839238     4.51   0.000     .2144102    .5433856
        age2 |  -.0038905   .0011934    -3.26   0.001    -.0062294   -.0015516
  experience |  -.0611817   .0308369    -1.98   0.047    -.1216209   -.0007425
       hukou |   .0758493   .1304975     0.58   0.561    -.1799212    .3316197
     healthy |   .0001312   .0488811     0.00   0.998    -.0956739    .0959364
    is_party |   .4020509   .2218493     1.81   0.070    -.0327656    .8368675
    is_urban |   .1050207   .1106477     0.95   0.343    -.1118448    .3218861
        east |   .5669382   .1519215     3.73   0.000     .2691775    .8646989
        west |   .0782284   .1377195     0.57   0.570     -.191697    .3481537
     married |  -2.156323   1.395477    -1.55   0.122    -4.891408    .5787615
       _cons |  -3.535827   1.661701    -2.13   0.033    -6.792701    -.278953
-------------+----------------------------------------------------------------
married      |
    sexratio |  -.6389774   .1329911    -4.80   0.000    -.8996353   -.3783196
       _cons |   1.465433   .1669089     8.78   0.000     1.138298    1.792569
-------------+----------------------------------------------------------------
hazard       |
      lambda |   .6836395   .8193207     0.83   0.404    -.9221996    2.289479
-------------+----------------------------------------------------------------
         rho |    0.29763
       sigma |  2.2969336
------------------------------------------------------------------------------

Treatment-effects model -- MLE                    Number of obs   =       2012
                                                  Wald chi2(16)   =    9451.58
Log likelihood = -5565.3994                       Prob > chi2     =     0.0000

------------------------------------------------------------------------------
             |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
lnincome     |
  work_hours |   .1341493   .0019053    70.41   0.000      .130415    .1378835
    homework |  -.1956767   .0330609    -5.92   0.000    -.2604749   -.1308785
          gy |   1.443044   .1544777     9.34   0.000     1.140273    1.745815
          zx |  -.0094842   .2027641    -0.05   0.963    -.4068946    .3879262
          dz |   .6415914   .3507023     1.83   0.067    -.0457724    1.328955
          sx |   .7566702    .732382     1.03   0.302    -.6787722    2.192113
         age |   .3765648   .0802236     4.69   0.000     .2193295    .5338001
        age2 |  -.0040891   .0011425    -3.58   0.000    -.0063284   -.0018498
  experience |  -.0579928   .0300874    -1.93   0.054    -.1169631    .0009774
       hukou |    .086458   .1241153     0.70   0.486    -.1568035    .3297195
     healthy |  -.0025404   .0469484    -0.05   0.957    -.0945576    .0894769
    is_party |   .3105388   .2137358     1.45   0.146    -.1083756    .7294533
    is_urban |    .138437   .1063089     1.30   0.193    -.0699246    .3467986
        east |   .3806575   .1250654     3.04   0.002     .1355338    .6257811
        west |   .0492962    .128452     0.38   0.701     -.202465    .3010574
     married |   -4.88199    .246275   -19.82   0.000     -5.36468   -4.399299
       _cons |  -1.128096   1.215863    -0.93   0.354    -3.511143    1.254951
-------------+----------------------------------------------------------------
married      |
    sexratio |  -.4594262   .1073585    -4.28   0.000     -.669845   -.2490074
       _cons |   1.200576   .1370716     8.76   0.000     .9319205    1.469231
-------------+----------------------------------------------------------------
     /athrho |   1.177027   .0752795    15.64   0.000     1.029482    1.324572
    /lnsigma |   1.028869   .0256663    40.09   0.000     .9785642    1.079174
-------------+----------------------------------------------------------------
         rho |   .8265118   .0238544                      .7737004    .8679164
       sigma |     2.7979   .0718116                      2.660633    2.942248
      lambda |   2.312497   .1190334                      2.079196    2.545799
------------------------------------------------------------------------------
LR test of indep. eqns. (rho = 0):   chi2(1) =    59.59   Prob > chi2 = 0.0000

计量超小白一个，论文方向还没有任何创意，做的是婚姻对女性工资的影响，跟连玉君老师视频课程和陈强老师书中常举例的美国妇女88年工资的例子很像。跟着书上设定模型，选方法，可是做出来结果还是不懂得怎么去看。
这是我用的处理效应两步法做出的结果，p值为0.0000是不是表示内生性很强啊？
1.请问需要怎么解决这个问题？
2.另外陈强老师评价书中的例子，结果显示不存在内生性，却可能忽略了是否进入劳动力市场的内生选择，请问存在着两个问题需要怎么办？
3.我用的各省男女性别比例作为外生变量，可是结果却显示男女性别比例越高，女性越不可能结婚。这结果跟现实好像相差很大，是不是表示我的模型还是什么存在大的失误？
实在是很无助，求大家帮帮忙！