INsTRucTIoNs

1.  There are 10 questions in this assignment each worth 3 marks. The assignment has a maximum of 30 marks and accounts for 15% of your final grade.

2.  This assignment entails the use of econometric models and statistical tools in eco- nomic application.  You will use statistical software, Stata, to analyze the educa- tional attainment and wage equations data.

3.  The assignment is anonymously marked.  Save your answers in a pdf file1  named 123456789.pdf where 123456789 is your 9-digit SID. Do NOT put your name in your work or anywhere in your submission. Do NOT include a cover sheet.

4. Your assigned data set is the Excel spreadsheet EAWE#.xlsx, where # is the last digit of your University of Sydney SID. Please use your assigned data set to answer the questions.  Write your data set number on the front page of your work.  Using the wrong data set will be reviewed as a potential case of Academic Dishonesty.

5. Answer all the questions.  Show all numerical answers to 2 decimal places if neces- sary.  When you are asked to ‘perform a test’, you should write explicitly the null hypothesis of the test, and state clearly how you make testing decisions and make conclusions. Please carry out all tests using a 5% level of significance.

6. You should include Stata procedures and outputs in your answers, and your own interpretations and explanations are necessary for earning marks. Please type your answer in a document. We do not accept handwritten solutions.

7. When answering the questions, please keep your statements concise as well as ac- curate.   Excessively long responses indicate a lack of understanding and will be penalized accordingly.

8.  Submit one pdf file through Turnitin under the Canvas module ‘Assignment’. Late submission is subject to a penalty of 5% of total 30 marks, which is 1.5 marks, per calendar day.  Work submitted more than 10 days after the due date will receive a mark of zero.   There are in accordance with 7A in the University Assessment Procedures 2011.

DATA DEscRIPTIoN

You will use a subset consisting of 500 observations of Educational Attainment and Wage Equations (EAWE) data set to answer the questions.  The description of the data set and contained variables can be found in Appendix B on p.565–569 of the textbook (also provided in a separate pdf file).

QuEsTIoNs

1. Fit a wage equation by regressing EARNINGS on EXP, and perform t tests on the intercept and slope coefficient. Then, perform an F test on the explanatory power of the model and explain the relationship between this F test and the t test on the slope coefficient.

2. Fit another wage equation by regressing EARNINGS on S and EXP, and interpret all the parameter estimates (with attention paid to their significance). Compare the slope coefficient of EXP in this equation with the one obtained in Question 1 and interpret the difference.

3.  Perform an F test of the explanatory power of the equation you obtained in Ques- tion 2. Calculate the F statistic using R2 of the fitted regression and verify it is the same as the F statistic in your Stata output.

4.  Regress the logarithm of EARNINGS  on S  and EXP. Carefully interpret the re- gression results, perform t tests on the coefficients and F test of the explanatory power of the model.

5. Use the Box and Cox procedure (Steps 1–3) described on p. 211 of the textbook to evaluate whether the dependent variable of a wage regression of EARNINGS on S and EXP should be linear (like in Question 2) or logarithmic (like in Question 4).

6.  Regress S  on ASVABC, MALE, SM, SF, ETHHISP  and ETHBLACK. Use your results to answer the question: Does ethnicity affect educational attainment, and if yes, how?

7.  Redo Question 6 making ETHBLACK the reference category. What are the impacts of change of reference on the interpretation of the coefficients and the statistical tests (t tests of the coefficients and F test of the model)?

8.  Define a slope dummy variable as the product of MALE and ASVABC. Regress the S  on ASVABC, MALE, SM, SF, ETHHISP, ETHBLACK, and the slope dummy variable.   First, explain what this regression with slope dummy variable can be useful for. Second, what are your findings based on your regression results?

9.  The variable TENURE in your data set is the number of years spent working with the current employer. So

PREVEXP = EXP − TENURE

is total work experience with previous employers. Now, run the following regression

LGEARN =β 1 + β2S + β3PREVEXP + β4TENURE

+ β5ASVABC + β6MALE + β7ETHBLACK + β8ETHHIP+ u,