ˆ ˆ Övning: Multipel regressionsanalys

Övning: Multipel regressionsanalys

Torsdagen den 9 september

1. Simulering: Standardfelet för  ˆ

Tankeexperiment: Vi utför ett slumpmässigt försök för att undersöka hur ett arbetsmarknadspolitiskt program påverkar arbetslösheten. Bland personer som registrerar sig som arbetslösa låter vi 50 personer ingå i programmet (lär sig skriva CV, data, arbetsintervjuteknik, söka jobb, …) medan kontrollgruppen bestående av 50 andra arbetslösa inte får någon hjälp. Vi vill undersöka effekten av programmet på arbetslöshetstiden. Låt oss anta att de som inte får någon hjälp i genomsnitt (i populationen) är

arbetslösa 180 dagar, och att de som går programmet är arbetslösa i genomsnitt 10 dagar mindre. Vi kan beskriva modellen: Arbetslöshet = 180 – 10*program + u. Låt oss vidare anta att feltermen följer en normalfördelning med väntevärde 0 och standardavvikelsen 60.*

i) Dra ett slumpmässigt sampel från den här populationen och estimera effekten av programmet.

Resultat?

ii) Dra 500 slumpmässigt dragna sampel från den här populationen och använd estimaten för att beräkna ett standardfel för  ˆ

.

*Eftersom det här är ett tankeexperiment kan vi bortse från att antalet dagar i arbetslöshet i praktiken inte kan mätas på en kontinuerlig skala (decimaler) och att tiden i arbetslöshet inte heller kan bli negativ.

2. Diskriminering av kvinnor och invandrare?

I datasetet kontakter.dta har vi information om 1000 svenskar som sökt jobb via arbetsförmedlingens nättjänst. Genom att arbetssökande lägger ut sin CV på arbetsförmedlingens hemsida kan de kontaktas av arbetsgivare. Data innehåller information om antalet kontakter arbetssökanden fått (variabeln kontakter), kön (variabeln kvinna), om personen har ett nordiskt eller icke-nordiskt namn (ickenordiskt), ålder (alder), utbildning (variablerna grundskola, gymnasium, universitet), om personen är arbetslös (arbetslos), om personen söker jobb i hela landet (landet) och antalet tecken arbetssökanden använde i sitt personliga presentationsbrev (tecken).

i) Ta fram det genomsnittliga antalet kontakter för individerna i samplet. Ta också fram medelantalet kontakter skilt för män, kvinnor och individer med nordiskt respektive icke-nordiskt namn.

ii) Vi är nu intresserade att se om kvinnor och personer med icke-nordiska namn har svårare att få kontakt med arbetsgivare än övriga. Estimera en regressionsmodell med kontakter som utfallsvariabel samt variablerna kvinna och ickenordiskt som oberoende variabler. Tolka resultatet.

iii) Kör samma regression som ovan, men kontrollera också för de övriga variablerna. Hur förändras

koefficienterna för kvinna och ickenordiskt? Tolka också de övriga estimaten i modellen.

iv) Johan är en 35-årig gymnasieutbildad man som är arbetslös. Han använder tjänsten och söker arbete i hela landet. Han skriver ett presentationsbrev som innehåller 1000 tecken. Hur många kontakter

predikteras Johan få?

v) Testa om effekten av att ha ett icke-nordiskt namn skiljer sig mellan män och kvinnor genom att inkludera en interaktionsterm (kvinna*ickenordiskt). Vad är effekten av att ha ett icke-nordiskt namn för män? Effekten av att ha ett icke-nordiskt namn för kvinnor? Tolka koefficienten för interaktionstermen.

vi) Rita en figur med predikterat antal kontakter på y-axeln och variabeln ickenordiskt på x-axeln. Rita in skilda linjer för kvinnor män. Låt de andra variablerna anta sina genomsnittliga värden eller mest typiska värden (för dummy-variabler).

vii) Utvidga modellen vidare genom att testa om effekten av ålder skiljer sig mellan män och kvinnor, dvs.

inkludera en interaktionsterm (kvinna*alder). Hur stor är effekten av ålder för män respektive kvinnor?