MESF_Klausur_Sommersemester16.pdf

Exams
Uploaded by Helena Ranger 6593 at 2018-07-22
Description:

Eigener Lösungsweg zu der Methoden der empirischen Sozialforschung Klausur des Sommersemesters 2016

 +2
473
29
Download
Meint ihr man muss das in der Klausur präziser formulieren, also die Betas inhaltlich nennen?
Denke man sollte schon etwas präziser werden: h0= betanord = betaost = betawest = 0 H1= betanord≠0 oder betaost≠0 oder BetaWest≠0
Wird hier das Beta 0 auch getestet
Wo findet man diese Werte?
würde mich auch interessieren ?
das sind die werte von beta
Müsste es hier nicht zu "niedrig" heißen?
View 1 more comment
ja muss es
Danke :)
Mache ich das hier immer so oder kann ich das auch über das Konfidenzintervall machen ?
geht auch über das konfidenzintervall und wenn 0 nicht im KI enthalten ist, ist der Koeffizient ebenfalls signifikant von 0 verschieden
was?
Multikollinearität, wenn sich mindestens eine Variable als Linearkombination der anderen Variablen darstellen lässt
in der Übung ist doch das Dach nicht dagewesen für xi
View 2 more comments
hätte mit dach gemacht da es sich um eine Schätzung handelt
Hätte Die 1. Stufe ohne Dach gemacht. Erst beim Zwischenschritt (zwischen 1. und 2. Stufe ) kommt das Dach zum Einsatz 😄
Müsste es nicht mbildung (i) heißen sowie vbildung (i)
Denkst du wirklich das dies richtig ist? Meiner Meinung nach muss man hier nur ß1 und ß3 betrachten, da der Effekt der Bildungsjahre betrachtet werden soll.
View 7 more comments
Für Mann stehen die Bildungsjahre Das heisst für Frau: FrauxBildungsjahre
warum hier für die Frau 10,41 und nicht 1,8?
das müsste durch 0,0016 sein. dann wäre das Ergebnis größer 1,96.
View 1 more comment
dann ist der Geschelchterunterschied signifikant?
jap
Warum soll der F-Test > 10 sein? Woher weiß ich das? und was sagt mir der F-Wert nochmal genau aus? Danke!
das ist die Regel, die muss man sich glaub einfach so merken. Das gilt übrigens für die Instrumentenvariable: starkes Instrument, wenn F-Wert > 10. (simultan gilt das glaub ich für einen t-Wert von > 3.16). Ansonsten wird der F-Wert benutzt um auf gemeinsame Signifikanz zu testen. Schau mal in einem Datenoutput unten, da müsste sowas wie "p-Wert (F)" stehen und wenn dieser > 0,05 ist, kann die Nullhypothese (keine gemeinsame Signifikanz, Ho=ß1=ß2...=0) zum Signifikanzniveau von alpha=0,05 verworfen werden. Verbessert mich gern wenn ich falsch liege
wie lässt sich die Korrelation mit dem Lohn erklären? Der Chef schaut dabei ja nicht auf die Bildung der Eltern. Der Einfluss von den Eltern läuft doch über die Bildungsjahre also keine direkte Korrelation zum Lohn?
Gemeint sind hier doch aber die Anzahl der Bildungsjahre und das Geschlecht des Schülers oder Studenten oder nicht?
In der Angabe steht doch, dass wir aus unsere Seminararbeit bereits wissen, dass das Geschlecht einen Einfluss auf den Lohn hat. (2. Voraussetzung ist damit erfüllt.) Es geht hier nicht um das Geschlecht der Eltern, sondern um das (vernachlässigte) Geschlecht des Kindes. So habe ich das zumindest verstanden 😊
ist es hier egal welches der 3 modelle man nimmt?
In der Angabe steht spalte 1
ah danke habe ich übersehen :)
Wie kommt das zustande und was genau entsprechen die Werte für "Mann"?
sie kommt man auf den Achsenabschnitt?
y=mx+t t => Achensabschnitt... m => Steigung Also haben alle b's die nicht mit x multipliziert werden einen Einfluss auf den Achenabschnitt.
Die sind doch negativ und deswegen nicht signifikant oder ? Ho wird doch abgelehnt ?
1. Die H0 behauptet die Variable 1 sei null (H0: b1 = 0). Wenn die H0 nun abgelehnt wird, ist die Variable signifikant von 0 verschieden (kurz: Die Variable ist signifikant). 2. Man berechnet den absoluten Wert der t-Statistik für die verschiedenen Variablen |t|. Falls |t| > 1,96 (= 97,5 % Quantil der SNV) gilt die Variable als Signifikant. Da an der markierten Stelle die t-Statistiken stehen, muss man noch den Betrag davon nehmen. Im Betrag ergibt sich: 2) 3,3 3) 2,56 4) 2,05 Womit alle 3 absoluten t-Statistiken |t| größer als 1,96 sind. Somit sind alle 3 Variablen zu einem Signifikanzniveau von 5 % statistisch signifikant von 0 verschieden (sprich signifikant).
Klar hab den Betrag verpeilt Danke :)
Welche Werte muss ich anschauen, um auf diese Grafik schließen zu können? Also klar Berufserfahrung^2 aber wie muss ich dies interpretieren?
View 5 more comments
was wäre wenn beide positiv wären?
Dann würde die Steigung nicht abnehmen, sondern zunehmen (also steiler werden) mit zunehmender Berufserfahrung. Der Graph wäre als links nicht rechtsgekrümmt, sozusagen.
No area was marked for this question
wo findet man denn die Altklasuren zu diesem Fach? Auf Digi Campus gibt es keine
hier auf studydrive sind die einzigen denke ich
ja, auf digicampus gibt es keine
Kann mir jemand diese Begründung besser erklären warum ist dann das b1 verzerrt geschätzt?
Simultane Kausalität bedeutet, dass nicht nur X Einfluss auf Y hat sondern auch Y auf X: was hier soviel heißt, dass wenn die Raucherquote hoch ist eher eine Präventionskampagne angeboten wird.
Warum sind das hier Probleme?
Wahrscheinlichkeitsmodelle kommen glaub ich gar nicht dran, weil das ja im kapitel 8 aufgegriffen wird und das soweit ich weiß dieses semester ausgeschlossen wurde. Solltest also eher die Problematik der linearen Funktionsform und die Verbesserung des Modells durch quadrierte Anzahl der Ehejahre wissen. (Probit/Logit haben wir ja auch nicht dran genommen) falls ich falsch liege verbessert mich bitte :-)
fällt der um 10,41 oder steigt er?
er steigt
No area was marked for this question
Ist Aufgabenteil A1 und A2 im SS18 ähnlich gewesen?
SS18 war von Aufbau gleich wie die SS16
Vielen Dank! Dann werd ich mir die noch mal gut anschauen.
Wieso nimmmt man den Wert des interaktionsterms?
Weil du ja sonst keine Tabelle mit den Daten gegeben hast und prinzipiell sind in dem Interaktionsterm ja die gleichen Werte.
wo kommt das denn her? Auch wenn das darüber falsch ist das ist doch nicht mal gefragt hier
No area was marked for this question
Aufgabe 2 d) zum Hinweis: wäre jetzt die H0 Hypothese nicht abgelehnt worden und Bildung wäre exogen, wäre dann eine IV-Schätzung nicht notwendig? Oder wie ist der Hinweis zu verstehen?
...nicht konsistent, weil der angegebene p-wert kleiner als alpha=0,05 ist, richtig? Warum ist die IV-Schaetzung notwendig?
Hausmanntest: H0: KQ Schätzung ist konsistent und IV Schätzung braucht man daher nicht. Wenn der p Wert kleiner als 0,05 ist wird, dieser Verworfen und H1 tritt ein. Diese Hypothese besagt: KQ Schätzung ist nicht konsistent und dafür braucht man eine Instrumentenvariablen Schätzung. Also ist hier H0 verworfen und somit IV Schätzung nötig.
Endlich verstanden. DANKE!
Das ist doch falsch oder das Instrument darf nicht mit dem Lohn korreliert sein?
View 5 more comments
Es stimmt auch so wie du es schreibst. Dennoch darf das Instrument nicht mit dem Lohn korrelieren. Will dich damit nicht verunsichern deswegen einfach ignorieren wenn du nicht versteht was ich meine
Das Instrument darf mit den Lohn korrelieren allerdings nur über die Bildung (x). Dies ist ja der Fall. Haben meine Eltern eine gute Bildung bekomme ich auch warsch auch eine gute Bildung, dies wirkt sich auf meinen Lohn aus. Außerhalb von der Bildung korreliert die Bildung der Eltern nicht mit dem Lohn da meine Bildung ja nicht der einzige Faktor ist der in den Lohn mit einspielt.
hier müsste X doch das Geschlecht sein, weil das die weggelassene Variable ist? Und nicht die eigene Bildung?
View 1 more comment
Erst wird geschaut ob es mit x also der eigenen Bildung korreliert und erst wenn es um die Exogenität geht (gleich darunter) schaut man sich die weggelassen Variable bzw den Stlrterm an der dann Geschlecht ist
Danke euch
muss da nicht endogen stehen, wenn h0 abgelehnt wird.
View 3 more comments
Danke sehr
Wenn H0 abgelehnt wird bedeutet dass, das x endogen ist. Steht so im skript.
Ich denke du hast hier eine 0 vergessen, denn laut Angabe ist der Standardfehler 0,0016 und somit ist der Geschlechterunterschied signifikant
Ist mir auch gerade aufgefallen