EWIFO F T
EWIFO F T EWIFO F T EWIFO F T EWIFO F T
EWIFO F T EWIFO F T EWIFO F T EWIFO F T
Kartei Details
Karten | 45 |
---|---|
Sprache | Deutsch |
Kategorie | Theologie |
Stufe | Grundschule |
Erstellt / Aktualisiert | 01.03.2016 / 01.03.2016 |
Lizenzierung | Keine Angabe |
Weblink |
https://card2brain.ch/box/ewifo_f_t
|
Einbinden |
<iframe src="https://card2brain.ch/box/ewifo_f_t/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>
|
Schätzer Std. Fehler t-Wert p-Wert
\({Schätzer\over Std.Fehler} = t-Wert\)
Welche der Variablen sind nicht signifikant von Null verschieden, bei einem Signi-
kanzniveau von \(\alpha =\) 5%
alle Variabelen, dessen bzw. \(p-Wert > 0.05\)
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 \(\alpha = 0.025\)
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
\(-0.0006+0.0392=0.0386\)
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
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%!
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!
Koppelung:
Schätzer von \(\beta_3\) + 2 * Wert von Variabele experience * Schätzer von \(\beta_4\)