练习题：
一、数据集wage.dta是一个关于就业的微观数据集，该数据集共有526个观测值，24个变量，主要变量的情况是：wage表示工资， educ表示教育程度， exper表示工作经验即工作的年数，tenure表示在当前岗位上工作的年数，以上变量都是以年来计量的，接下来的三个虚拟变量(量化了的自变量)nonwhite、female、married分别表示是否是白种人、是否是女性以及是否婚配。
1、生成变量educ的平方，并命名为educ2。
2、对educ数值大于9的观测值生成educ与exper的交叉项，新变量的名称为educ_exper。
3、生成exper的对数值，并命名为logexper。ptember的缩写
业余爱好英语>abide
4、生成female与educ的交叉项，并命名为fem_educ。淡淡的日子也飘香
5、生成一个变量educat，该变量用数字代替受教育的程度，具体来说，0表示受教育年数小于3，1表示受教育年数为4到6年，2表示受教育年数在7到9年，3表示受教育年数在10到12，4表示受教育年数在13到15年，5表示受教育年数在16到18年。
医学导论6、（1）生成一个新变量educde，其赋值为educ与平均受教育年数之差。
（2）生成一个新变量educde2，其赋值为educ与受教育年数中位数之差，这项工作要求分性别进行。
大学生炒股（3）生成一个新变量stdeduc，其赋值为标准化后的受教育年数educ。
7、对wage、educ、exper、tenure、nonwhite、female、married做基本的统计分析。
二门第是什么意思、使用auto.dta数据。对mpg和weight两个变量绘制拟合图。水来土掩
