case econometrie

Stap 1 : empirische specificatie,
hypothesen + data
Opdracht




In R :

loon.i<- lm(scholing_reg$loon
~scholing_reg$scholing +
scholing_reg$ervaring+
ervaring.square+




scholing_reg$ras+scholing_reg$regio+scholing_reg$woonplaats)


1) Variabelen
a. Scholing_reg$loon:
Eenheid = uurloon in dollarcent
b. Scholing_reg$scholing:
 scholing.years<- lm(scholing ~ regio +
ras+afstand+woonplaats, data = scholing_reg)
 scholing.years.2<- lm(scholing~ regio+ ras+ afstand+
woonplaats - 1 , data=scholing_reg)
 Eenheid = aantal jaren scholing
c. Scholing_reg$ervaring

,  Eenheid = aantal jaren ervaring
 Ei= leeftijdi – Si − 6
 Start op leeftijd 6 jaar
 Data is geordend oplopend volgens aantal jaar ervaring
 ervaring.square <- scholing_reg$ervaring^2 (We willen
kwadraat wegwerken0)
d. Dummies
 Ras => 1 = blank; 0 = zwart
 Regio => 1 = andere ; 0 = zuiden
 Afstand => 1 = nabij ; 0 = afgelegen
 Woonplaats => 1 = stad ; 0 = platteland
e. Afhankelijke en onafhankelijke variabelen voor loon.i
 Afhankelijke variabele = loon
 Onafhankelijke variabelen = scholing, ervaring, ras, regio en
woonplaats
f. Afhankelijke en onafhankelijke variabelen voor scholing.years
 Afhankelijk variabele = scholing
 Onafhankelijke variabelen = regio, ras, woonplaats en
afstand
 Geen theoretische verwachtingen
 Opm: scholing.years.2 heeft referentiekader = zwarte ras, uit
het zuiden, afgelegen en van het platteland ( = β1)




2) Interpretatie Coëfficiënten
 β 1 =-520.088
is het intercept, wanneer alle variabelen gelijk aan nul zijn