Lernkarten

Karten 45 Karten
Lernende 1 Lernende
Sprache Deutsch
Stufe Grundschule
Erstellt / Aktualisiert 01.03.2016 / 01.03.2016
Lizenzierung Keine Angabe
Weblink
Einbinden
0 Exakte Antworten 45 Text Antworten 0 Multiple Choice Antworten
Fenster schliessen

Schätzer    Std. Fehler    t-Wert   p-Wert

\({Schätzer\over Std.Fehler} = t-Wert\)

Fenster schliessen

Welche der Variablen sind nicht signifikant von Null verschieden, bei einem Signi-
kanzniveau von \(\alpha =\)  5%

alle Variabelen, dessen bzw.   \(p-Wert > 0.05\)

Fenster schliessen

Berechnen Sie ein 95 % Konfidenzintervall für einen Parameter

\([Schätzer - Std.Fehler*({t_{q}distribution}) ;Schätzer + Std.Fehler*({t_{q}distribution})]\)

für ein Konzidenzintervall   ( Konfidenzintervall 95% = \(1-{\alpha\over2}\)  daraus folgt \(\alpha = 0.025\)

Fenster schliessen

Um wieviel Prozent steigt das Einkommen einer Frau fur jedes weitere Schuljahr? Modell:   ln(wage)

\((school*female) = -0.0006 \)

\(school =0.0392\)

\(\sum \)aller Variabeln mit School

\(-0.0006+0.0392=0.0386\)

Fenster schliessen

Interpretation der marginalen Effekte

lin-log-Modell

 

\(y=\beta_0+\beta_1ln (X) +\epsilon \)  \(→ {Δx\over x_0} = {1\%} → Δy=0.01*\beta ~[\%]\)

Eine relatvie Änderung von X um 1%, geht einher mit einer absoluten Änderung (des Erwartungswertes) von y um \(\beta_1 \)∗0.01

Fenster schliessen

Interpretation der marginalen Effekte

log-lin-Modell

 

\(ln(y)=\beta_0+\beta_1X +\epsilon \)   \(→ Δx = 1 → {Δy\over y_0}= \beta*100\%\)

Eine absolute Änderung von X um eine Einheit (ΔX=1), bedeutet eine relative Änderung von y um ß*100%!

Fenster schliessen

Interpretation der marginalen Effekte

log-log-Modell

\(ln (y) =\beta_0+\beta_1∗ln (X) +\epsilon → {Δx\over x_0}=1% \)   \(→ {Δx\over x_0} = 1 \%\)\(\to {\bigtriangleup y\over y_0} = {\beta\%}\)

Eine relative Änderung von X um 1%, geht einher mit einer relativen Änderung von y um \(\beta_1 \)% → Elastizität!

Fenster schliessen
Lizenzierung: Keine Angabe

(3 Punkte) Berechnen Sie den marginalen Effekt einer Veränderung der Variablen "Arbeitserfahrung"
auf das logarithmierten Einkommen, ln(wage). Nehmen Sie dafür einen Wert von
23 fur die Variable experience an.

Koppelung:

Schätzer von \(\beta_3\)    +     2  *  Wert von Variabele experience   *    Schätzer von \(\beta_4\)