Wie war es bei euch?
jemand ne Ahnung wie lange die so durchschnittlich mit der Korrektur brauchen? Keine Lust mehr zu hoffen die ganze Zeit ob man jetzt bestanden hat oder nicht^^
View 7 more comments
Kann man für jede Prüfung so ne Übersicht abrufen? 😂
naja, gut ist was anderes, aber okay.
Was habt ihr bei Aufgabe 3 für R/F? 1. x^2 rausnehmen, verzerrter b1? Habe ich F 2. war Dummy und Fixed Effects, Habe ich F 3. war Probit, habe ich einfach mal R 4. war mit den Tutorien, habe ich F Wie habt ihr das? Kann das nur schwer einschätzen
View 4 more comments
Das wrar dieser Special Fall: G(beta0+beta1x1+beta2x2...) ist unsere Regression, wobei x1 der dummy ist, wo wir den Unterschied feststellen sollen. Also G(beta0+beta1+...)-G(beta0+...) Die Frage ist jetzt, auf welches Niveau wir die anderen variablen setzen. In unserer Regression gibt es aber keine anderen Variablen (es gibt nur eine erklärende dummy und sonst keine Regressoren). Demzufolge benötigt man grundsätzlich weder Ape noch pea, da beide quasi nicht angewandt werden. Wendet man sie an, ändert sich nichts an der Lösung -> sie liefern das gleiche Ergebnis
Nehmen wir an die Stichprobe umfasst 10 Frauen und 3 Männer (n=13): y = ß0 + ß1*x --> x = binär (1 für w, 0 für m) Annahme: y = 5 +5x APE: 115/13 = 8.85 APE (5+5*1=10 ---> *10 --> 100 --> + 3x5 --> 115) PEA: (10*1+3*0=10)/13 = 0,77 --> einsetzen: 5 + 5×0.77 = 8.85 PEA A: Wenn es nur einen Regressor gibt und der binär ist, dann PEA = APE, unabhängig von der Konstanten. Dennoch machen Durchschnitte bei binären Variablen bei APE und PEA keinen Sinn, vor allem dann nicht, wenn sie das Geschlecht annehmen. 3c) in der Klausur war also Richtig/Right.
Wäre jemand so nett hier einmal zusammenzufassen was dran kam? :)
View 1 more comment
1. IV Annahmen + Beispiele 2. STATA Interpretation mit Log und Signifikanz 3. Wahr/Falsch (3.1 misspecification, 3.2 Binäre Variable bei FE 3.3 Probit APE/PEA 3.4 Interaktionsterm)
Die Aussage von Anonymer Brief ist höchst signifikant bei 1%
Wie viel Punkte von 5 bekommt man bei Aufgabe 3, wenn man nur richtig ankreuzt ohne Begründung? #EconometricsExam
View 2 more comments
@Nudelsuppe wurde mehrfach in Vorlesung und Lab gesagt! Sie geben nur Punkte bei Begründung, auch wenn das Kreuz richtig ist
F/F/R/F scheint korrekt zu sein
Kann man dort nicht einfach die Variable "child_pt" in Regression 2 ablesen. Dachte die besagt Kind JA und dann verdienen Teilzeitarbeiter 10,54% mehr als Vollzeitarbeiter?
Zusätzlich hast du noch den „normalen“ child-Effekt. Child_pt2 ist ja der zusätzliche Effekt, wenn sowohl Child =1 als auch pt2=1. ergo ist der unterschied auch der Child-Effekt unabhängig vom Interaktionsterm
Bei der A2 c) SS 18 liegen hier in 3 Lösungsansätzen 3 verschiedene Ergebnisse vor. Was ist denn nun die endgültige Differenz zwischen Angestellten mit Kind auf Teilzeit und Angestellten mit Kind auf Vollzeit?
View 4 more comments
Ich bin es so angegangen: Angestellte mit Kind auf Teilzeit: -0.2071-0.1115+0.1054 = -0.2132 Angestellte mit Kind auf Vollzeit: -0.1115 Davon die Differenz: -0.2132-(-0.1115) = -0.1017 ohne Gewähr, aber scheint mir am sinnvollsten
habe auch -0,1017
Wir haben auch eine Tabelle, die die Differenz aus 1990 und 1993 zeigt, demnach war die Mordrate 1993 im Durchschnitt um 0.28627 höher als 1990.
View 4 more comments
aber man kann doch nicht Durchschnitte voneinander abziehen, das wäre doch viel zu ungenau, oder?
@Notenschlüssel warum nicht? Es ist doch auch nach dem mean gefragt
Der Medianlohn beträgt 11,48 € pro Std. 12,2 € pro Std. umfasst den Durchschnittslohn.
Danke. Ist mir nicht aufgefallen :)
Mir wurde gesagt, dass die Klausur morgen um 12:00 Uhr in Dinslaken stattfindet. Wir haben ja die Sitzplatzliste per Mail zugeschickt bekommen. Ich finde aber weder auf der Msm-Seite, noch auf Moodle Infos zu der Uhrzeit?
No area was marked for this question
bei 3 c) bedeutet das OLS nicht, dass wir nicht in p.p. messen (also kein LPM)?
Hallo zusammen, ich weiß, es steht alles im Skript, aber würde jemand mit eigenen Worten jeweils kurz und verständlich erläutern wieso und wann wir die folgenden Methoden benötigen/brauchen? Fixed Effects First Differencing Instrumental Variable LPM Logit Probit TSLS/2SLS
Soweit ich es verstehe geht es bei beiden Methoden darum, alle Faktoren aus u zu eliminieren, die time constant sind (also nicht time variant). Diese sind in ai und deshalb kicken wir ai sowohl mit FE als ach mit FD aus der Gleichung raus, um nur noch Faktoren berücksichtigen zu können, sie sich im Laufe der Zeit verändern können.
Ich verstehe nicht ganz woran man das festmacht? Wie kommt man darauf, dass educ und nearuni negativ korreliert sind?
Also ist die Annahme der Zero conditional mean in diesem Fall nicht erfüllt?
Müssten hier nicht noch jeweils durch 2 teilen , weil es zwei Perioden sind?
kann mir das jemand erklären?
push
No area was marked for this question
Danke 🙏🙏🙏🙏
Da es die FE Methode ist würde das Geschlecht , da zeitkonstant, entfernt werden. Somit wäre es keine geeignete Methode, um diesen Effekt zu messen.
die dummy Variable Geschlecht weisst keine Variation auf ; Verstoß FE.3
Eine Frage zum Interaktionsterm: Angenommen wir haben im Regressionsoutput die Variablen "weiblich" mit dem Koeffizienten -1 und "weiblich_kinder" mit dem Koeffizienten -3. Wenn nun die Frage gestellt wird, wie viele Stunden Frauen mit Kinder mehr oder weniger pro Woche arbeiten (Arbeitsstunden als abhängige Variable y). Lautet die Antwort dann 3 Stunden weniger (nur weiblich_kinder wird betrachtet) oder 4 Stunden weniger (weiblich wird mit weiblich_kinder zusammenaddiert)? Danke im Voraus
kommt drauf an mit was du das vergleichst. außerdem könnte man je nach Vergleich noch den Koeffizienten von kinder benötigen. angenommen Koeffizient kinder ist -2 a) 1. Frau mit Kind vs 2. Frau ohne Kind: 1. -1-3-2 = -6 2. -1 -->Differenz ist 5. --> Frauen mit kinder arbeitebn 5 Stunden weniger als Frauen ohne Kinder b) Frau mit Kind vs Mann mit kind: -1-3-2= -6 vs -2 --> Frauen mit Kind arbeiten 4 Stunden weniger als Männer mit Kind .... so habe ich das verstanden.
Hallo 😊 kann bitte jemand das Log File der letzten Übung online stellen? ich benötige es sehr dringend und meins ist leider nicht vollständig, da es so schnell ging...
done
vielen vielen Dank 😇
No area was marked for this question
Bei 2 c) Könntest du bitte erklären warum educ und nearuni negativ korreliert sind ?
View 3 more comments
Wieso behebt dann nearuni eine Verzerrung die ich durch „Art“ hatte? Art ist weiterhin ommitted? Kann das jemand erklären?
weil educ negativ verzerrt ist und Iv den unkorrelierten teil von x mit u verwendet und daher das Endogenitäsproblem löst.
Kann mir das jemand erläutern? Ich verstehe den Zusammenhang nicht wirklich.
Jemand zur B eine Idee?
ich würde sagen falsch. X2 könnte Fähigkeiten sein. Das würde positiv mit X1 korrelieren und hätte ebenso ein positives Vorzeichen. Also wäre X1 nach oben verzerrt.
Was ist denn jetzt die endgültige Antwort darauf?
ich habe geschrieben: Falsch, weil im Probit Modell ja durch die Nonlinerarität des Modells, die einzelnen Koeffizienten nicht einzeln interpretiert werden können. Es können lediglich die Vorzeichen von den Koeffizienten Betrachtet und interpretiert werden.
Leidet nun das OLS-Modell oder 2SLS-Modell an omitted variable bias? Und was soll das dritte Wort nach "This is..." heißen?
View 2 more comments
ja keine ahnung
@Pik OLS, weil das ja durch die Variable verzerrt ist, durch den Einsatz wurde es entzerrt
Woher weiß ich, dass eine Variable x endogen bzw. exogen ist?
Müsste das nicht ein Zeitreihendatensatz sein? Da wir über einen Zeitraum betrachten, fallen ja Querschnittsdaten und gepolte raus. Zeitreihendatensätze sind auto bzw. seriell-korreliert, während Querschnittsdaten unabhängig sind. Hier betrachten wir ein Produkt über einen Datensatz mit einer Beobachtung. Wenn mehrere Beobachtungen da wären, würde ich zustimmen, dass diese unabhängig sind und wir somit Paneldaten haben. Da wir aber nur eine Beobachtung haben (und "eine" auch noch betont wird) bin ich mir da unsicher.
ja ist richtig, ich habe nur den paneldatensatz beschrieben und nicht gesagt dass es falsch ist.
okay, super. Vielen Dank für die Antwort und vor allem auch fürs Hochladen Deiner Lösung 😊
No area was marked for this question
Würdest du noch deine Ansätze für 17/18 hochladen?
kann mir das einer erklären?
Was genau?
Kann das jemand bestätigen?
meiner meinung nach ist das falsch
Laut meiner Rechnung liegen die Werte bei 20,27% und 10,16%. Denke hier ist nur die Nachkommastelle verrutscht
Jemand was zur b) ?
b i) MLR4 is violated, weil BODY HEIGHT im falle eines signifikanten Zusammenhangs den OLS estimator verzerrt, da er nicht in der Regression sondern in u steckt. In dem Fall korreliert u mit y und den regressoren.
ii) ß1 ist biased, weil E(u|x1)=/=0 und negative, weil Corr(female, height) <0 und ß_height >0 ii) ß2 unbiased, weil E(u|x2) = 0, da sporthours unabhängig von height?
Wie werden hier die Koeffizienten interpretiert? Als die Änderung zwischen den Jahren, z.B. dass ein Anstieg der Arbeitslosenquote um eine Einheit 1993 einen geringern Effekt auf die Mordrate hatte als 1990?
View 1 more comment
Genau so würde ich es auch deuten . Wie es im ersten Satz der Lösung steht ist es leider falsch, da hier nicht auf den Vergleich der Jahre eingegangen wird was man aber machen müsste, da es eine Dummy ist die für das Jahr 1993 den entsprechenden negativen Wert annimmt. Wäre dieser Wert positiv hätte man VERGLICHEN ZU 1990 einen höheren Effekt.
bei unemployment ebenso, nur das dieser Effekt nicht signifikant ist zu den entsprechenden Niveaus. ergo dieser vergleich ist nicht besonders aussagekräftig würde ich jetzt mal behaupten
Die Aussage ist nur zutreffend wenn man dahinter schreiben würde "bei einem 10% Signifikanzniveau". bei 5% wäre die Aussage leider falsch, weil es statistisch kein signifikantes Ergebnis ungleich Null ist
für das Jahr 1990 ist es aber nicht signifikant. pvalue ist 0,053 und somit größer 0,05. hier würde man die Nullhypothese nicht verwerfen können.
wage ist doch gar keine binäre Variable?
ist nur vertauscht mit 1) und 2)
Die komplette Antwort?
Müsste hier nicht 2167.40 und 2008.90 stehen?
Ja so wie die SSR lauten. wenn du die SSR mit nachkommastellen nimmst kommt 13,65 raus ( was ja eig auch zum gleichen Ergebnis führt in dem Fall), nur kleiner rundungsfehler.
Kann jemand die logs der letzten Übung hochladen? Mein stick hat seinen geist aufgegeben...
benötige ich auch sehr dringend, da ich nicht geschafft habe alles mitzuschreiben...
niemand?
woher hat man hier die werte für die MLE estimators genommen ?
Die sind aus der Tabelle aus dem Skript aller letzte Seite
Hat jemand eine gute Zusammenstellung/Aufstellung der Vor- und Nachteile von LPM und Logit-und Probit Modell?
Ich meine die sind bei dem einen Dokument "STATA Übung Econometrics Übersetzung mit Interpretationen" auf der letzten oder vorletzten Seite aufgelistet
Lädt bis morgen jemand seinen Lösungsansatz für SS 19 hoch? Ich habe besonders bei der A1 b) und A2 d) Probleme. Der Rest geht finde ich in Ordnung.
und was ist das minimum?
Du meinst wohl 11,9759%
View 3 more comments
Hab ich schon gelesen. Ich meine aber, dass man auch auch den Koeffizienten child in die Rechnung miteinbeziehen müsste. Also pt, child UND den Interaktionsterm child_pt. Ich bin mir aber nicht ganz sicher..
Nein child muss nicht mit rein, das haben ja beide, also Teilzeit und nicht Teilzeit Angestellter, also ist es in dem Fall eine Konstante welchen keinen Unterschied macht
Jemand eine alternative Erklärung hierfür?
View 1 more comment
Also ist die Aussage d) falsch
Richtig
Mit oder ohne Hütchen? Oder ist es egal
Hallo zusammen, hat jemand die Lösung für Problem 16 "Example from Program Evaluation using Binarya Variables "und kann es hochladen? Vielen lieben Dank.
Gibt es einen Unterschied zwischen perfect collinearity und multicollinearity?
perfekte sorgt für bias ; mulit nur für inkonsistenz würde ich sagen
Woran mache ich fest, ob eine Variable ein valides Instrument darstellt? Siehe Lecture Problem 15 b)
Annahmen: 1. Relevanz (testbar) 2,Exogenität ( Plausibiltätsbeurteilung)
Warum soll die erwartete Störgröße gegeben x denn dem erwarteten Wert von x entsprechen? Kann dazu auch nichts finden. Eher dass unsere Annahmen immer E(uIx) = E(u) = 0 waren. Würde hier einfach erwähnen dass es auch ungleich sein kann, und omitted variable bias vorliegen kann.
Und ich würde schreiben Core (x,u) ungleich 0 dementsprechend wenn andere Faktoren u Beziehung zu y haben
Kann mir bitte jemand diese Aufgabe erklären? :)
Var(β^1) ist immer größer als Varianz von (ß‘1) [ß‘1 ist gleich die Varianz bei Einfügen der Variable x2], es sei denn, x1 und x2 sind in der Stichprobe unkorreliert. Da in dieser Aufgabe x1 und x2 korreliert sind, wird die Varianz also kleiner.
Load more