Der Uebersichtlichkeit und Formatierungsmoeglichkeiten halber starte ich mal eine neue Antwort....
Der Output ("Ergebnisse"), als auch MOBIL.do (pdf) ist mir nicht 100% klar. Trotz der wirklich guten Kommentare im Code - Daumen hoch dafuer!
Du rechnest eine ganze Reihe Regressionen, allerdings ist mir nicht klar, inwiefern diese aufeinander Aufbauen, oder ob du vorhast wirklich jede einzelne Regression zu verwenden. Letzteres waere sehr sinnfrei, da du dann nur z.B. den Zusammenhang von Einkommen und Alter hast, aber die ganzen anderen Variablen unberuecksichtigt laesst (was fuer eine sinnvolle Analyse problematisch waere!).
Auch sind mir die Quantilsregressionen nicht ganz klar. Warum qreg? Warum nicht OLS? Falls es wegen nicht-normalitaet ist, evtl auch mal rreg (robuste Regression) in Betracht ziehen.
persweight und vweight sind hoechstvermutlich Gewichtungen, das sollte aber in der Dokumentation des Datensatzes beschrieben sein. Um wirklich aussagekraeftige Ergebnisse zu erhalten, muessen die Daten dementsprechend gewichtet werden bzw die Analysen entsprechend angepasst.
Die Interpretation der OLS Tabelle ist auch nicht ganz zutreffend: Du schreibst (MOBIL.D).pdf S.3)
100 reg ln_income ln_mean_vinc if female == 1 // Steigt das
Einkommen des Vaters um 1% erhöht sich das Einkommen der Tochter
um 0,90 %
Das stimmt so gesehen aber nicht unbedingt: Pro Steigerung um "1" (beachte dass es sich um eine logarithmierte Variable handelt!), steigt das Einkommen der Tochter um "0.9" (auch logarithmierte Variable!).
Es geht also nicht um % sondern um eine Steigerung um 1 je nachdem wie die Variable eben kodiert ist kann das 1 Jahr, 1 Euro, "1 im logarithmus" etc bedeuten! Auch muessen X und Y Variable nicht zwingend die gleiche Einheit haben, so dass "1% hier --> 0.9% da" nicht haltbar ist.