Question 1

Khairul made a statistical analysis to examine the impact ofthe economic freedom dimensions to the cost efficiency and profit efficiency on the X bank from 1990 to 2018 using the regression under the  Ordinary Least  Square  (OLS)  estimation method.  The regression models  on  cost efficiency and profit efficiency are developed as below:

Cost Efficiency Model (Equation 1; M1)

CE = α0 + α1(BusFree)t + α2(LabFree) + α3(FinFree)t + α4(InvFree)t + α5(TaxBur)t + α6(GovtSpen)t + α7(GNI)t + α8(Inf)t + ut

Profit Efficiency Model (Equation 1; M2)

PE = α0 + α1(ProRigh)t + α2(GovtInt) + α3(JudEff)t + α4(FisHeal)t + α5(TaxBur)t + α6(GovtSpen)t + α7(GNI)t + α8(Inf)t + ut

a.   Should Khairul consider the issue of autocorrelation? Explain

(4 marks)

b.   The Breusch-Godfrey Serial Correlation LM test is describe as below,

Test result on Cost Efficiency:

Breusch-Godfrey Serial Correlation LM Test:

F-statistic                     3.737761    Prob. F(8,108)                  0.7644

Obs*R-squared            7.877864    Prob. Chi-Square(2)         0.5980 

Test result on Profit Efficiency:

Breusch-Godfrey Serial Correlation LM Test:

F-statistic          Obs*R-squared

1.445672    Prob. F(8,108)                  0.0337

4.453071    Prob. Chi-Square(2)         0.0099

i.      Does the issue of autocorrelation exist in cost efficiency and profit efficiency

regression analysis? Explain

(8 marks)

ii.      If yes, how to solve this issue? Explain

(4 marks)

c.   The results of Variance Inflation Factor (VIF) test for independent variables in both the models of cost efficiency and profit efficiency are shown below:

Variance Inflation Factors Test on Cost Efficiency Model:

Variance Inflation Factors Test on Profit Efficiency Model:

i.      Does the issue of multicollinearity exist in cost efficiency and profit efficiency models (assuming VIF value 5)?

(4 marks)

ii.      Identify and explain which of the variables are having the multicollinearity issues in both models

(8 marks)

iii.      Several approaches can be used to minimize or solve this issue including drop one of the collinear variables, transform the highly correlated variables into a ratio,  increase  the  data  sample,  longer  run  of data  or  switch  to  a  higher frequency. Explain another approach which could be practiced to solve this issue by keeping those variables and maintaining the observation sample

(4 marks)

d.   Assuming equation model of Gross National Income model (GNI) (Equation 2):

GNI = β0 + β1(export)t + β2(employ)t + β3(CE)t + u2t

i.      Develop  the  simultaneous  Equation  Model  (SEM)  in  cost  efficiency  by inserting the Equation 2 into Equation 1; M1

(10 marks)

ii.      Identify  which  of the  variables  are  categorizes  under  exogenous  variable. Explain.

(4 marks)

iii.      Explain which ofthe variables has endogenity issue.

(4 marks)  (Total 50 Marks)

Question 2

You are the expert analyst in the banking sector. The ABC Bank had appointed you to examine the potential determinants that may significantly influence the bank’s profitability. The following regression results based on a sample of212 branches of ABC Bank:

Yi

Std error

prob

= -2.761 + 0.312Xaajt   + 0.091Xbjt - 0.153Xcjt       R2 = 0.9881

=                (0.050)     (0.131)         (0.056)

=                (0.000)     (2.341)         (0.041)

where  Y = bank’s profitability in Ringgit Malaysia

Xa = size of bank

Xb = leverage

Xc = bank risk

j = the individual bank branch

t = time period

a.   Discuss in details for each variable in the regression result.

(9 marks)

b.   Explain in specific on the result of R2 and any possible factors that contribute to the R2 in the estimation model

(10 marks)

c.   At  = 1%, test the hypothesis that the size of bank has no effect on the profitability of bank versus that it has a positive effect.

(6 marks)

(Total 25marks)

Question 3

The score is the dependent variable representing the average final exam scores ofthe postgraduate students. The estimation of linear probability model is shown below:

̂       =            0.321       +   0.543 log(income)    +    0.772 log(experience)    +    0.123 education

(0.755)

[0.754]

+  0.022 age    +

(0.057)

[0.057]

n          =             608

(0.034)

[0.031]

0.0005 age2 (0.035)    [0.034]

(0.005)

[0.005]

-          0.504 busyness (0.097)       [0.096]

(0.021)

[0.020]

+       0.734 gender

(0.006)

[0.006]