Instruction

Answer all questions following a similar format of the answers to your tutorial questions. When you use R to conduct empirical analysis, you should show your R script(s) and outputs (e.g., screenshots for commands, tables, and figures, etc.). You will lose 2 points whenever you fail to provide R commands and outputs. When you are asked to explain or discuss something, your response should be brief and compact.  To facilitate tutors’ grading work, please clearly label all your answers.  You should upload your research report (in PDF or Word format) via the “Turnitin” submission link (in the “Research Project 1” folder under “Assessment”) by 10:00 AM on the due date 13 April, 2022. Do not hand in a hard copy. This is not a group assignment, which means that you must answer all the questions in your own words and submit your report by yourself.   The marking system will check the similarity, and UQ’s student integrity and misconduct policies on plagiarism apply.

Background

You want to estimate the effect of education on earnings. The data file cps4 small.csv contains 1,000 observations on hourly wage rates, education, and other variables from the 2008 Current Population Survey (CPS):

● wage: earnings per hour

● educ: years of education

● exper: post education years experience

● hrswk: working hours per week

● married: dummy for married

● female: dummy for female

● metro, midwest,  south,  west: location dummies

● black: dummy for black

● asian: dummy for Asian

Research Questions

1.  (20 points) Load this dataset in R (2 points).  Obtain summary statistics (mean, stan- dard deviation, 25, 50 (median), and 75 percentiles) for the variables wage and educ (5 points). Plot histograms for these two variables to explore their distributions. Make your histograms reader-friendly; that is, give informative titles and variable names instead of just using the default titles and variable names (6 points).  For example, you could use

Years  of  Education in place of educ.  Create a new variable ln(wage) (2 points)1  and

draw a scatter plot of ln(wage) versus  educ  (3 points).   Comment on the correlation between these two variables (2 points).

2.  (25 points) Estimate the simple linear regression model:   ln(wagei) = β0 + β1 educi + ei .

where ei  is the error and β0  and β 1  are the unknown population coefficients.

(a)  (3 points) Report the estimation results in a standard form, where the estimates are

presented in an equation form, along with standard errors (SE) and some measure for goodness of fit (R2).

(b)  (3 points) Plot the estimated regression line you obtained in (a) on the scatter plot

you constructed in Question 1.

(c)  (6 points) Interpret the estimated coefficient on educ (3 points) and test whether or not the population coefficient β 1  is zero at the 1% significance level (3 points).

(d)  (6 points) You suspect that the hourly wage could depend on working hours per week. Under what condition(s) would the estimates in (a) be biased and inconsistent due to the omission of the weekly working hours (2 points)?  Give a reasonable and intuitive story on why omission of the weekly working hours would cause omitted variable bias in the regression in (a) (2 points). Based on your story, explain whether the coefficient on educ in (a) would be overestimated or underestimated (2 points).

(e)  (7 points) The variable hrswk is the average weekly working hours for each indi-

vidual in the data.  Regress ln(wage) on educ and hrswk and report the estimation results in a standard form (3 points).  Discuss the estimation results.  In particular, how would you revise your answer in (c) (2 points)?  Are the estimates statistically significant (2 points)?

3.  (40 points) You are still concerned about omitted variable bias (OVB) in the regressions of Question 2.  For that reason, you decide to regress ln(wage) on all other variables in the dataset and use this model as a benchmark.

(a)  (11 points) Report a 95% confidence interval for the slope coefficient on educ (3

points), explain the relationship between the confidence interval and hypothesis test- ing (4 points), and test the hypothesis that one year of additional education would increase hourly wage by 12% (4 points).

(b)  (7 points) Assuming there is no OVB, discuss the estimated coefficient on female

in the benchmark model.  In particular, explain what the estimated coefficient on female means on hourly wage (3 points), compare the effect of being female and the effect of one year of additional education (2 points), and discuss whether being female has a statistically significant effect on hourly wage (2 points).

(c)  (5 points) Using the estimation results of the benchmark model, test the hypothesis that the hourly wage is not affected by the geographic location (3 points).  Explain how you reach your conclusion (2 points).

(d)  (5 points) Using the estimation results of the benchmark model, test the hypothesis that the wage differential associated with African American is equal to the wage differential associated with Asian American (3 points). Explain how you reach your conclusion (2 points).

(e)  (7  points) How would you modify the benchmark model to estimate the effects

on hourly wage of one additional year of education separately for each gender  (4 points). How do the effects of education differ between genders and is the difference statistically significant (3 points)?