Fragestunde zur Übung

Transkript

1 Prof. Bernd Fitzenberger, Ph.D. Dr. Roland Füss Aderonke Osikominu Übung zur Veranstaltung Empirische Wirtschaftsforschung Albert-Ludwigs-Universität Freiburg Wintersemester 2007/08 Fragestunde zur Übung 1. Ausgewählte Fragen a) Welche Schritte muss ich beim t-test auf Signifikanz eines Koeffizienten beachten und wie ist der p-value zu interpretieren? b) Wann sind partielle Effekte Elastizitäten bzw. Semielastizitäten? c) Übungsblatt 7: Wie funktionieren der LM- und der White-Heteroskedastie-Test? d) Übungsblatt 9: Was ist der Unterschied zwischen Autokorrelation und Stationarität? Wieso testen wir in Aufgabe 2 erst auf Autokorrelation und dann auf Stationarität? 2. Auszug aus der QMVWL-Klausur im WS 06/07, Aufgabe 2 In dieser Aufgabe sollen Sie sich mit Regressionen zur Erklärung der Entlohnung auseinandersetzen, die auf einer Stichprobe von 3029 Arbeitnehmern basieren. Im Anhang zu Aufgabe 2 werden deskriptive Statistiken, Kleinste-Quadrate-Regressionen und Graphiken aufgeführt, die in TSP berechnet bzw. erstellt wurden. Die Variablen im zugrundeliegenden Datensatz sind wie folgt definiert: lnw ex sex dau logarithmierter Bruttomonatsverdienst in DM Berufserfahrung in Jahren Geschlecht (Frau=1) Dauer der Schulausbildung in Jahren b) Interpretieren Sie die in Equation 1 geschätzte Gleichung. Welche Koeffizienten sind signifikant? Was ist die ökonomische Interpretation der geschätzten Koeffizienten? Ist die Berufserfahrung ein signifikanter Bestimmungsfaktor der Entlohnung? Wie hoch ist die Rendite der Berufserfahrung beim Berufseinstieg? Wie hoch ist die Rendite der Berufserfahrung nach 15 Jahren Berufserfahrung? Gibt es einen signifikanten Geschlechterunterschied? c) Liegt in Equation 1 ein Heteroskedastieproblem vor? Welche Informationen hierzu können Sie dem Anhang zu Aufgabe 2 entnehmen? Wie interpretieren Sie diese Informationen? 1

2 Anhang für Aufgabe 2 TSP-Programm smpl ; title 'Deskriptive Statistiken fuer Maenner'; select (sex = 0); msd(terse) lnw ex dau; set mittel = exp(@mean(1)); print mittel; w = exp(lnw); msd(terse) w; title 'Deskriptive Statistiken fuer Frauen'; select (sex = 1); msd(terse) lnw ex dau; set mittel = exp(@mean(1)); print mittel; w = exp(lnw); msd(terse) w; select 1; ex2 = ex*ex; ols(robustse) lnw c sex dau ex ex2; frml fex ex; frml fex2 ex2; analyz(noconstr) fex fex2; title 'Heteroskedastie?'; u u2 = u*u; ex3 = ex*ex2; ex4 = ex2*ex2; dau2 = dau*dau; ols u2 c sex dau dau2 ex ex2 ex3 ex4; set chistat cdf(chisq,df=7) chistat; select sex=0; msd(terse) u; select sex=1; msd(terse) u; select 1; frdau = sex*dau; frex = sex*ex; frex2 = sex*ex2; ols(robustse) lnw c dau ex ex2 sex frdau frex frex2; 2

3 frml fsex sex; frml ffrdau frdau; frml ffrex frex; frml ffrex2 frex2; analyz(noconstr) fsex ffrdau ffrex ffrex2; TSP-Output basierend auf dem obigen Programm Number of Observations: 1747 Deskriptive Statistiken fuer Maenner =============== LNW EX DAU MITTEL = Number of Observations: 1747 W Number of Observations: 1282 Deskriptive Statistiken fuer Frauen ============== LNW EX DAU MITTEL = Number of Observations: 1282 W

4 Dependent variable: LNW Number of observations: 3029 Equation 1 ============ Method of estimation = Ordinary Least Squares Mean of dep. var. = LM het. test = [.000] Std. dev. of dep. var. = Durbin-Watson = [<.118] Sum of squared residuals = Jarque-Bera test = [.000] Variance of residuals = Ramsey's RESET2 = [.000] Std. error of regression = F (zero slopes) = [.000] R-squared = Schwarz B.I.C. = Adjusted R-squared = Log likelihood = Estimated Standard Variable Coefficient Error t-statistic P-value C [.000] SEX [.000] DAU E [.000] EX E [.000] EX E E [.000] Standard Errors are heteroskedastic-consistent (HCTYPE=2). Results of Parameter Analysis ======== Standard Parameter Estimate Error t-statistic P-value FEX E [.000] FEX E E [.000] Wald Test for the Hypothesis that the given set of Parameters are jointly zero: CHISQ(2) = ; P-value = F Test for the Hypothesis that the given set of Parameters are jointly zero: F(2,3024) = ; P-value = Dependent variable: U2 Number of observations: 3029 Heteroskedastie? ================ Equation 2 ============ Method of estimation = Ordinary Least Squares Mean of dep. var. = LM het. test = [.005] Std. dev. of dep. var. = Durbin-Watson = [<.392] Sum of squared residuals = Jarque-Bera test = [.000] Variance of residuals = Ramsey's RESET2 = [.013] Std. error of regression = F (zero slopes) = [.000] R-squared = Schwarz B.I.C. = Adjusted R-squared = Log likelihood =

5 Estimated Standard Variable Coefficient Error t-statistic P-value C [.000] SEX [.000] DAU [.017] DAU E E [.034] EX E [.893] EX E E [.584] EX E E [.341] EX E E = CHISQ(7) Test Statistic: , Upper tail area: Number of Observations: 1747 U D Number of Observations: 1282 U D Dependent variable: LNW Number of observations: 3029 Equation 3 ============ Method of estimation = Ordinary Least Squares Mean of dep. var. = LM het. test = [.000] Std. dev. of dep. var. = Durbin-Watson = [<.020] Sum of squared residuals = Jarque-Bera test = [.000] Variance of residuals = Ramsey's RESET2 = [.035] Std. error of regression = F (zero slopes) = [.000] R-squared = Schwarz B.I.C. = Adjusted R-squared = Log likelihood = Estimated Standard Variable Coefficient Error t-statistic P-value C [.000] DAU E [.000] EX E [.000] EX E E [.000] SEX [.433] FRDAU E [.807] FREX E [.000] FREX E E [.000] Standard Errors are heteroskedastic-consistent (HCTYPE=2). 5

6 Results of Parameter Analysis ======== Standard Parameter Estimate Error t-statistic P-value FSEX [.433] FFRDAU E [.807] FFREX E [.000] FFREX E E [.000] Wald Test for the Hypothesis that the given set of Parameters are jointly zero: CHISQ(4) = ; P-value = F Test for the Hypothesis that the given set of Parameters are jointly zero: F(4,3021) = ; P-value =