Student Information

To receive an assignment grade, you must fill out the information in this table and include this table on the front cover page for your assignment. Only

students whose name and student ID number are included on the cover page   will receive marks for the assignment. Groups of up to 3 students are allowed.

Due Date and Weight

•  Submit via Canvas by 5pm on 28 March 2022

•  No late assignments will be accepted.

•  This assignment is worth 5% of your final mark in ECOM20001.

•  There are 20 marks in total.

What You Must Submit via Canvas

•  The assignment cover page. It does not count toward the page limit.

• Assignment answers, no more than 5 single-sided A4 pages with 12 point font. 5 marks will be deducted if your answers exceed the page limit.

•  The R code that generates your results. Specifically, copy-and-paste your R code in an Appendix at the end of your assignment document

so that it can be viewed and tested by markers. The R code Appendix does not  count toward your page limit. You may alter and shrink the R code font so that it is easier to read.

Additional Instructions

• You may submit this assignment in groups of one, two, or three. Students in a group are allowed to be in different tutorials.

•  To save time, you may cut and paste RStudio output directly into your answers in reporting empirical results. You are also free to create your own better-         formatted tables based on your RStudio output, which is of course good           practice in learning how to present empirical results.

•  Figures may also may be copied and pasted directly into your assignment answers. They may be scaled down in size to meet the page limit, but       please ensure that your figures are readable. If they are not, marks will be deducted.

•  Marks will be deducted if interpretations of results are incorrect, imprecise,         unclear, or not well-scaled. Similarly, marks will be deducted if figures or tables  are incorrect, unclear, not properly labeled, not well-scaled, or missing legends.

•  This R code in the Appendix at the end of your assignment (as discussed on   the previous page) must be clearly commented and easy for the subject tutors to follow. If the code is not well commented and easy to follow, marks will be   deducted.

•  Students with a genuine and acceptable reason for not being able to submit the assignment on time can apply for special consideration:

•  https://students.unimelb.edu.au/admin/special/

Getting Started

Please create an Assignment1 folder on your computer, and go to the Canvas site for ECOM 20001 and download the following data file into the Assignment1 folder:

•  as1_voucher.csv

This dataset comes from a survey of 1,680 individuals who are given a $1,000     shopping voucher by the government. The voucher is divisible, which means that individuals can split it and spend it on different goods.

Individuals are free to spend the voucher on any goods. For example, they may use it  to cover their usual daily expenses (e.g., food grocery), or they may use it on goods     which they would not have purchased if there were no vouchers (e.g., a new tablet).     In the former case, the voucher does not stimulate consumption. In the latter case, the voucher stimulates consumption.

The government is interested in understanding how much the voucher can stimulate consumption.1

This dataset contains the following variables:

•  id: anonymous identification number for an individual

•  newc: new consumption expenditure ($). That is, the voucher amount spent  on goods that would not have been purchased by the individual if there were no vouchers.

•  age: age (year) of the individual.

•  gender: =1 if the individual is female, =2 if male.

•  income: the individual’s annual income (in thousand $)

Prior to answering the questions, do some exploratory work such as browsing the observations and looking at the summary statistics.

Hint: Be as concise as possible in your answers. A short, crisp answer is better than a long, unclear answer. Longer answers do not necessarily attract higher   marks. Minor rounding errors (accuracy up to 3 significant figures) are allowed.

Questions

1.   (2 marks) Using the gender variable, create a binary variable called male that      equals one if the individual is male, and is equal to 0 otherwise. Report summary  statistics (mean, std. dev, min, max) for newc, income, male. Interpret each of the sample means in plain language.

(Hint: for illustration, to generate a binary variable, use command                          “mydata$female=1*(mydata$gender==1)”, where mydata is your original dataset)

2.   (2 marks) Compute the 95% confidence interval for income. Interpret the findings in plain language.

3.   (2 marks) Display 2 separate densities for newc where male=1 and for  newc where male=0within the same graph. Briefly describe and compare the distributions in plain language.

4.   (3 marks) Using the newc variable test the following difference in means:

-  H0: mean(newc if male=1) = mean(newc if male=0)

-  H1: mean(newc if male=1) != mean(newc if male=0)

where the symbol “!=“ means “not equals.” For the test, report the difference in means, the t-statistic, 95% confidence interval for the difference in means, and p-value. Explain whether the test rejects the null at the 5% level of significance. Provide a brief interpretation of your findings.

(Hint: You may apply the formulas in Lecture Note 3. To generate a new dataset consisting of a subset of observations, use the command                                      “mydata_male=subset(mydata, male==1)”, for example.)

(Hint: Alternatively, you may use the command “t.test”. Tutorial 4 contains details on how you can do this.)

5.   (2 marks) Construct a scatter plot of newc vs. income where newc is on the       vertical axis and income is on the horizontal axis. Visually, does there appear to  be a positive or negative relationship between newc and income? Also compute and report the correlation coefficient, corr(newc, income).