Hello, dear friend, you can consult us at any time if you have any questions, add WeChat: daixieit

ECONOMETRICS AND BUSINESS STATISTICS

Applied Econometrics

Tutorial 1

1.   Describe  the  assumptions  of the  classical  linear  regression  model.  What  are  the implications for the properties of the OLS estimator if each one of these assumptions is violated?

2.   Let the following linear model given by yi  = Fxi  + ei ,   i = 1, …, N.  Two estimators b1  and  b2  of F are defined by

b1  = ∑yi ⁄∑ xi    and  b2  = ∑yi xi ⁄∑x i(2) .

Show that

a.   both b1  and  b2  are unbiased estimators of F (if we assume that E(ei ) = 0 )

b.   the variance of b1  is greater than that of b2  (if we treat the xi  as given, rather than random). Why should you expect this?

3.   Page 133, Ex. 3.1.

4.   Practice on EViews:

a.   Use thefood.wfl dataset to estimate a simple regression of food expenditure on income. Define the marginal propensity to spend income on food, and then use your output to  estimate this propensity.  Then  define the  elasticity of food consumption with respect to income, and estimate this elasticity at the sample means. Interpret the coefficient in economic terms: what can you conclude from the analysis?

b.   Use the br.wfl dataset to provide a scatter plot of price vs square feet, and comment on whether you think that a linear model (of price regressed on house size in square feet) might be appropriate for this data, providing some rationale for your answer.

c.   Use the same data set as in b. to estimate a quadratic model of house prices as a function on the squared values of house size. Define and interpret the marginal effect of the independent variable. What can you conclude from the analysis?

d.   Use the same dataset as in b. to estimate a log-linear model. Define and interpret the marginal effect of the independent variable: did your conclusion change from part c? Why?