Hello, dear friend, you can consult us at any time if you have any questions, add WeChat: daixieit

Individual Problem-Solving Coursework

This assessment contributes 75% to your final mark

Word limit: 1,500 words

Deadline: 25 April, 15:00

To submit your coursework please follow the submission link on Moodle Turnitin

Please note there are different links for regular and SoRA/EC submissions

In a small essay up to 1,500 words (there is no minimum word count, and it is up to you to judge what is enough) provide a clear answer, that is what is the marginal effect of the age of wine on price based on the estimation outputs (1)-(4) given below.  Support your answer by a thorough discussion of the advantages and disadvantages of the estimated models and the applied sequential modelling procedure. In particular, you may (or may not, you decide) wish to:

-    compare outputs (1) and (2) and comment on what mistake would the researcher commit by not including the interaction term Italy age in equation (1);

-    analyse the estimation outputs (1)-(4) to explain which one is your preferred specification; explain your choice by comparing the statistical characteristics of these models as well as their economic interpretation; comment on what other test(s) could be performed further that would help in improving the reliability of models’ estimation;

-    use your preferred model specification selected from (1)-(4) to explain whether its functional form requires improvement and, if so, explain why do you think so and what variables you would add to it;

-    criticise or justify the approach of adding more variables to the model that has been initially chosen by a researcher (that is estimating model (1) in the first instance and then adding more and more variables sequentially);

-    use your preferred model specification to decide whether it allows advising a wine investor who looks for a profit in a long-run to invest in Italian or Spanish wines.

In your essay, you may decide to address some, or all, points raised above, or concentrate on other issues that are not listed if you think it is important to address them.

The modelling procedure and estimated outputs are presented below.

The data are from randomly selected 250 wineries. Four following regression models have been estimated  sequentially.  That  is,  model  (1)  had  been  estimated  first;  then,  after  inspecting  its estimates, model (2) was estimated next and so on.

l—n(Pricei) = .51(.4)2(1)+0.0(4)12(6)1agei +0.(0(0)00(0)9(1)9tempi +0(.0 02(02)0(1)1Italyi ,

R2  =0.3537, Ra(2)dj =0.3451, (1)

AIC =2013.313, BIC =2001.067, p _ RESET = 0.000, i =1, ..., 250,

l—n(Pricei) = .(.)41(3)2(6)+0.(0(0)01(2)5(5)0agei +0(.0 00(00)9(2)1tempi +0.(0(0)02(1)0(0)9 Italyi +0.(0(0)00(1)4(3)0(Italyi agei ),

R2  =0.3652, Ra(2)dj =0.3601,                                                                          (2)

AIC =2154.513, BIC =2132.067, p _ RESET = 0.000, i =1, ..., 250,

where Price is the pre-tax price of a 750 ml bottle of wine (expressed in pounds); age is the age of the wine (measured in years); temp is the average temperature over the growing season for the grapes (expressed in Celsius degrees); Italy and is a dummy variable which equals 1 if the bottle of wine was Italian and equals 0 if the wine came from another country; Spain is a similar dummy variable for Spain. Spain age and Italy age are products of the respective variables. AIC and BIC are values of Akaike and Schwartz Information Criteria, respectively. The p-values for RESET test are denoted as p_RESET. The p-values for testing the hypothesis that particular regression coefficients in equations (1)-(4) are equal to zero against the two-sided alternative are given in parentheses  beneath  the  parameters’  estimates, R2      and Ra(2)dj stand  for  the  coefficient  of determination and adjusted coefficient of determination correspondingly.