1.   Wooldridge Problem 5.3

The  data  SMOKE  contains   information  on  smoking   behavior  and  other  variables  for  a random sample of single adults from the United States. The variable cigs is the (average) number of cigarettes smoked per day. Do you think cigs has a normal distribution in the U.S. adult population? Explain.

2.   Wooldridge Computer Exercise 5.C1

Use the data in WAGE1.dta for this exercise:

a)   Estimate the equation

wage = β0 + β1educ + β2expeT + β3tenuTe + u

Save the residuals and plot a histogram.

b)   Repeat part (a), but with log(wage) as the dependent variable.

c)   Would you say that Assumption  MLR.6 is closer to  being satisfied for the level-level

model of the log-level model?

3.   Wooldridge Problem 5.2

Suppose that the model

pctstck = β0 + β1funds + β2Tisktol + u

Satisfies  the  first  four  GM  assumptions,  where  pctstck  is  the  percentage  of  a  worker’s

pension/superannuation invested in the stock market, funds is the number of mutual funds

that the worker can choose from, and risktol is some measure of risk tolerance (larger risktol

means  that  a  person  has  a  higher  tolerance  for  risk).  If  funds  and  risktol  are  positively

一

correlated, what is the inconsistency in β1, the slope coefficient in the simple regression of

pctstck on funds?

4.   Wooldridge Problem 3.12

The   following   equation   represents   the   effects   of   tax    revenue   mix   on   subsequent

employment growth for the population of counties in the United States:

gTowtℎ = β0 + β1sℎaTep + β2sℎaTeI + β3sℎaTes + otℎeT factoTs,

where growth is the percentage change in employment from 1980 to 1990, shaTep is the share of property taxes in total tax revenue, shaTeI is the share of  income tax revenues, and shaTes is the share of sales tax revenues. All of these variables are measured in 1980. The omitted share, shaTeF,  includes fees and miscellaneous taxes.  By definition the four shares   add    up   to    one.   Other    factors   would    include    expenditures   on    education,

infrastructure, and so on (all measured in 1980).

a)   Why must we omit one of the tax share variables from the equation?

b)   Give a careful interpretation of β1.

5.   Wooldridge Question 7.8

Suppose you  collect  data  from  a  survey  on  wages,  education,  experience  and  gender.  In addition, you ask for information about marijuana usage. The original question is: ‘On how

many separate occasions last month did you smoke marijuana?’

a)   Write  an equation that would allow you to estimate the effects of marijuana usage on wage, while controlling for other factors. You should be able to make statements such as:

‘smoking marijuana five more times per month is estimated to change wage by X%’ .

b)   Write a model that would allow you to test whether drug usage has different effects on wages for  men and women.  How would you test that there  are  no differences  in the

effects of drug usage for men and women?

c)   Suppose you think it is better to measure marijuana usage by putting people into one of four categories: non-user, light user (1 to 5 times per month), moderate user (6 to  10 times per month) and heavy user (more than 10 times per month). Now. Write a model

that allows you to estimate the effects of marijuana usage on the wage.

d)   Using the  model  in (c), explain in detail how to test the null hypothesis that marijuana usage has no effect on wage. Be very specific and include a careful listing of degrees of freedom.

e)   What are some  potential problems with drawing causal inference using the survey data that you collected?

6.   Wooldridge Question 7.4

An equation explaining chief executive officer salary is

—

log(salaTY) = 4.59 + 0.257log(sales) + 0.11 Toe + 0.158 finance

(0.30) (0.032)         (0.004)    (0.089)

+ 0.181 conspTod − 0.283 utility

(0.085)         (0.099)

n = 209,R2 = 0.357

The data used are in CEOSAL1.RAW, where finance, consprod, and utility   are  binary variables  indicating  the  financial,   consumer   products  and  utilities  industries.  The

omitted industry is transportation.

a) Compute the approximate percentage difference in estimated salary between the utility and transportation industries, holding sales and roe fixed. Is the difference statistically

significant at the 1% level?

b) Use  Equation  (7.10)  to  obtain  the  exact   percentage  difference   in  estimated  salary between the  utility  and transportation  industries  and  compare this with the  answer

obtained in part i.

c)  What   is  the  approximate   percentage   difference  in  estimated  salary   between  the consumer products and finance industries? Write an equation that would allow you to

test whether the difference is statistically significant.

7.   Wooldridge Computer Exercise 7.C13

Use the data in APPLE to answer this question.

(i)   Define  a  binary  variable  as ecobuy = 1 if ecolbs > 0 and ecobuy = 0 if ecolbs = 0. In other words, ecobuy indicates whether,  at the prices given, a family would buy any ecologically friendly apples. What fraction of families claim they would buy eco-

labeled apples?

(ii)  Estimate the linear probability model:

ecobuy = β0 + β1ecopTc + β2TegpTc + β3faminc + β4 ℎℎsize + β5educ

+ β6age + u

and report the results in the usual form. Carefully interpret the coefficients on the

price variables, ecopTc andTegpTc.

(iii) Are the non-price variables jointly significant in the LPM? (Use the usual F statistic, even though it is not valid when there is heteroskedasticity. – we will come back to this issue in Week 9.) Which explanatory variable other than the price variables seems to have the most important effect on the decision to buy eco-labeled apples? Does this

make sense to you?