在很多情况下，因变量是否存在断尾或者截取不是由自己决定的，而且取决于其他的变量。比如我们要分析一群人年薪的影响因素，那么就会产生这一问题，因为只有参与劳动的人才能获得年薪，如果一个人没有参与劳动就无法获得年薪。所以针对这一类问题，我们不宜简单使用普通最小二乘回归分析进行估计，最好使用本节介绍的样本选择模型。其基本思路是首先基于一些自变量进行样本选择，将预期能够观测到因变量的样本选择出来，然后分析因变量的影响因素，也就是两步法。
样本选择模型分析的Stata操作
样本选择模型分析的命令为heckman，该命令的语法格式为：
heckman depvar [indepvars], select（varlist_s）[twostep] 或者
heckman depvar [indepvars], select（depvar_s = varlist_s）[twostep]
heckman为命令，depvar为因变量，indepvar为自变量。选项select()用于确定选择方程的因变量及自变量，为必填项。针对第一种命令形式，如果不设置选择方程的因变量，则Stata默认原方程的被解释变量depvar为非缺失值时表示被选择，为缺失值时表示没有被选择。针对第二种命令格式，需要设置选择方程的因变量depvar_s，则要求depvar_s的值必须为0或1。0表示原方程的被解释变量没有被选择，1表示被选择。
[twostep]为可选项，若不选，则表示采用最大似然估计的heckman回归；若选用，则表示采用两步法的heckman回归。
最大似然估计的heckman回归的完整语法格式为：
heckman depvar [indepvars] [if] [in] [weight], select（[depvar_s =] varlist_s[,noconstant offset（varname_o）]）[heckman_ml_options]
两步法的heckman回归的完整语法格式为：
heckman depvar [indepvars] [if] [in], twostep select（[depvar_s =] varlist_s[,noconstant]）[heckman_ts_options]
使用heckman回归分析方法时还可以使用vce()选项，利用各种稳健的标准差进行估计。比如可以使用vce（robust）获得稳健标准差，或利用vce（cluster varname）获得聚类稳健标准差。
使用heckman回归分析方法同样可以进行预测，相应的命令及其语法格式为：
predict [type] newvar [if] [in] [,statistic nooffset]
statistic选项包括表10.4所示的几项。
表10.4 statistic选项及其含义
