我正在使用模糊回归断点来估计退休对花在家务上的时间的影响。我的结果变量是花在“无偿工作”上的时间,我的治疗变量是退休(由个人定义),我的工具是养老金资格(如果 x≥0,则 Z=1,否则为 0)。变量x代表我的运行变量(当个人超过退休年龄时,取正值;如果个人尚未达到退休年龄,则取负值)。 我希望工人有 x<0 and all retirees to have x>0,但是,一些符合退休条件的人继续工作,而其他尚未符合资格的人已经退休(由于残疾、疾病和其他我无法控制的因素)。
当在 STATA 中我使用 rdrobust 命令 (rdrobust unpaid_work x, fuzzy(retirement) kernel(uniform) bwselect(mserd) p(1) all) 时,与使用 IV (rdbwselect unpaid_work x, fuzzy(退休) bwselect(mserd) 内核(统一) 全局左 =-e(h_mserd) 全局右=e(h_mserd) ivreg unpaid_work x (退休=z) 如果 x>$left &x<$right , robust first). This happens even if I use covariates, interaction terms, or different polynomial degrees. How is this possible?
通过 rdrobust,我在第一阶段和我感兴趣的结果变量上都获得了积极且显着的结果。对于 IV,我在第一阶段变得微不足道并且具有相反的符号估计,并且我无法考虑 y 的估计。
提前感谢您的帮助
获取我的问题的解决方案
当然!下面是一个简单的计算器 Python 代码,可以执行加、减、乘、除等基本算术运算:
def add(x, y):
return x + y
def subtract(x, y):
return x - y
def multiply(x, y):
return x * y
def divide(x, y):
if y == 0:
return "Cannot divide by zero!"
else:
return x / y
print("Select operation:")
print("1. Add")
print("2. Subtract")
print("3. Multiply")
print("4. Divide")
while True:
choice = input("Enter choice (1/2/3/4): ")
if choice in ('1', '2', '3', '4'):
num1 = float(input("Enter first number: "))
num2 = float(input("Enter second number: "))
if choice == '1':
print("Result:", add(num1, num2))
elif choice == '2':
print("Result:", subtract(num1, num2))
elif choice == '3':
print("Result:", multiply(num1, num2))
elif choice == '4':
print("Result:", divide(num1, num2))
else:
print("Invalid Input")
again = input("Do you want to perform another calculation? (yes/no): ")
if again.lower() != 'yes':
break
您可以将此代码复制到 Python 文件(例如,calculator.py)中并运行它。它将询问您要执行的操作以及涉及的数字,然后提供结果。