SS17NT.pdf

Exams
Uploaded by Anonymous User at 2018-08-04
Description:

Nachholklausur 2017 mit meiner Lösung.

 0
318
11
Download
Müsste es hier nicht heißen "steigt die Festnahmewahrscheinlichkeit um eine Einheit so sinkt die Kriminalitätsrate um 46,6%" ?
Ich glaube 0,466 % ist richtig, weil im log-log Modell heißt es ja: Steigt x um ein Prozent, so ändert sich y um beta % bin mir aber auch nicht wirklich sicher
Nein, man kann sich in diesem Fall einfach merken: Es ist 0.466. Macht auch intuitiv Sinn, da meistens vom Lehrstuhl "echte" Daten verwendet werden und 46.66 einfach schon sehr viel wären ;)
Hier liegt denke ich eher das Problem von simultanen Modellen vor. Es stehen sich zwei Aussagen gegenüber (umgekehrte Kausalität). Zum einen könnte man sagen, dass das Modell impliziert dass eine höhere Polizei Rate zu mehr Kriminalität führt, oder dass eine höhere Kriminalitätsrate zu mehr Polizei führt. Es kommt also zu einem Endogenitätsproblem, d.h. der Fehlerterm ist mit der erklärenden Variable (Police) korreliert was zu einer Verzerrung der Schätzung führt. Durch eine Instrumentenvariable kann dieses Problem gelöst werden. Man könnte hier Beispielsweise Steuererhöhungen nennen. Diese sind mit einem mehr an Polizisten korreliert, da der Staat mehr Geld zur Verfügung hat (Relevanz-Eigenschaft). Gleichzeitig gilt auch die Exogenität, d.h. die unkorreliertheit mit dem Störterm. Durch die Instrumentenvariable kann nun aus der erklärenden Variable die exogene Variation herausgeschält werden und somit eine Korrelation zwischen Störterm und erklärender Variable ausgeschlossen werden. Nun greift die Argumentation dass durch höhere Steuereinnahmen es zu einem mehr an Polizei kommt, was wiederum dazu führt, dass mehr Kriminalität aufgedeckt wird und somit die Kriminalitätsrate ansteigt. Dadurch wird das Modell plausibler.
View 4 more comments
Du kannst doch auch gerne mal einen Lösungsvorschlag schreiben, statt die ganze Zeit negativ zu bewerten. Denke das wäre sinnvoller
Im Lösungsvorschlag ist doch auch Kausalität und Korrelation beschrieben? Für mich hört es sich sinnvoll an, und nach Endogenitätsproblemen fragen sie nicht immer explizit
Ich denke hier ist Zentrale Eigenschaft 3 gemeint (Folie 110)
stimmt diese Lösung denn?
Lösung: Als zentrale Eigenschaft 3 der OLS-Schätzer gilt, dass die Summe der Produkte der OLS-Residuen un der erklärenden Variabele x immer Null ist, bzw. die OLS-Residuen mit den xVariabeln unkorreliert sind. Das bedeutet, dass die Summe aus e(i)x(i) = 0 ist. Betrachtet man nun die Rechenregel für cov(x,u) und löst diese auf kommen die Zentralen Eigenschaften 1 und 3 der OLS-Schätzer zum vorschein, welche dann wiederum das Ergebnis von 0 bringen.
Wie komme ich denn auf das J?
Schau mal weiter unten: J enstpricht deiner Anzahl an Restriktionen, d.h. wenn in der Aufgabe steht du sollst untersuchen, ob die Anzahl der Eigentümer einen signifikanten Einfluss auf den Jahresumsatz hat, dann schaust du wie oft (Eigentümer) in deinem Regressionsmodell vorkommt. Angenommen, (Eigentümer) kommt 2x vor dann ist dein J=2, weil du diese beiden beta=0 setzt um zu schauen, ob der Einfluss signifikant ist.
Kann das jemand erklären? Ich verstehe die Antwort nicht
Ja ich auch nicht aber. Hätte dahin geschrieben, dass keinen Sinn ergibt, denn wenn wir davon ausgehen, dass alle erklärenden variablen gleich 0 sind käme eine Kriminalität von -4 raus, was ja nun nicht sein kann.
Die Interpretation der Konstanten alleine dürfte hier sinnbefreit sein, da es hier ein klassischer Fall von out of the sample Interpretation ist, d.h. die beobachteten Daten liegen alle von 0 entfernt, da die einzelnen Variablen ja in keiner realen Beobachtung 0 sein würden (bspw. Anzahl an Polizisten oder Festnahmewahrscheinlichtkeit)
Verstehe nicht ganz warum das eine 6 ist, wäre jetzt rechnerisch auf eine 5 gekommen. Kann mir das jemand erklären?
View 1 more comment
Ich glaube 5 ist auch richtig
danke :)
No area was marked for this question
Aufgabe 1c) IV: Wieso denkst du, dass hier nicht die Two-Stage-Least-Squares Methode erklärt werden soll? :) wäre mein Gedanke gewesen...
Hat hier jemand eine Idee?
nur die idee: e: p wert sozusagen zweiseitiger test auf Ho=0 --> weniger infos als t wert f:wir haben ja sd und mw geschätzt und daher ist student t verteilung erforderlich, da normalverteilung fehler systematisch unterschätzen würde. Aber eigentlich fast normalverteilt, da n=90
Hier fehlt das xi nach dem Summenzeichen.
Also der Inhalt ist dann, dass du den durchschnittlichen y wert immer als schätzer annimmst
Sehe gerade hab mich hier vertan das muss natürlich mit e heißen