2. schriftliche Ausarbeitung

[Daniel4362]

he leute, was habt ihr den bei Punkt 3 (Beschreiben Sie den Einfluss der Erklärungsvariablen auf den log-Lohn bzw. den Lohn im ausgewählten Modell) geschrieben?

[csag4726]

Hallo, wär vielleicht jemand so nett und könnte mir sagen was das in Worten bedeutet:

Call:
lm(formula = log(wage) ~ gender, data = PSID1982)

Residuals:
Min 1Q Median 3Q Max
-1.2720 -0.2468 0.0206 0.2542 1.5188

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 7.01818 0.01825 384.494 < 2e-16 ***
genderfemale -0.42661 0.05947 -7.173 2.38e-12 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.4082 on 550 degrees of freedom
Multiple R-squared: 0.08555, Adjusted R-squared: 0.08389
F-statistic: 51.46 on 1 and 550 DF, p-value: 2.376e-12


was ist den wenn das hier genderfemale -0.42661 ein minus ist?

Danke und sorry für meine doofen Fragen

[mst52]

was ist den wenn das hier genderfemale -0.42661 ein minus ist?

Meiner Meinung nach nimmt der log-Lohn um -0.42661 ab, wenn es sich bei der Person um eine Frau handelt. "Logisch", Frauen verdienen ja bekanntlich weniger.

Und das ist der Einfluss der Variable "genderfemale" auf den log-Lohn, um die Frage von Daniel4362 zu beantworten.

[csag4726]

Meiner Meinung nach nimmt der log-Lohn um -0.42661 ab, wenn es sich bei der Person um eine Frau handelt. "Logisch", Frauen verdienen ja bekanntlich weniger.

Und das ist der Einfluss der Variable "genderfemale" auf den log-Lohn, um die Frage von Daniel4362 zu beantworten.

ah danke, sehr nett, war mir mit dem minus jetzt irgendwie nicht sicher

[csak3705]

Habt ihr auch dieses Modell?
log(wage)~gender+union+education+experience+I(expe rience^2)+union:education

Was macht ihr jetzt genau beim vierten Punkt mit dem education

[csag4726]

Habt ihr auch dieses Modell?
log(wage)~gender+union+education+experience+I(expe rience^2)+union:education

Was macht ihr jetzt genau beim vierten Punkt mit dem education

..ich habs auch so nur ohne experience+I(experience^2) das hab ich nur geschätz (einzeln)..

...keine Ahnung...

[mst52]

Habt ihr auch dieses Modell?
log(wage)~gender+union+education+experience+I(expe rience^2)+union:education

Was macht ihr jetzt genau beim vierten Punkt mit dem education

Dieses Modell sieht nicht schlecht aus.
Bei dem Modell bekomme ich bei "unionyes" einen sehr hohen Wert mit 0.9. exp(0.9) gibt ja 2.36, was in unserem Fall ß*100 = 236% Zunahme des Lohnes wären?! Oder rechne ich hier falsch?

Was wir mit education anstellen müssen, ist mir auch noch nicht klar.

[csak3705]

e^(0.9275040)-1*(100)=152.82%, gehts nicht so?
was machst du mit dem experience^2, was sagt das überhaupt aus?

[mst52]

e^(0.9275040)-1*(100)=152.82%, gehts nicht so?
was machst du mit dem experience^2, was sagt das überhaupt aus?

Ich glaube er hat gesagt, dass wir die experience-Variable bei der Interpretation ignorieren können, da wir Quadratfunktionen nie behandelt haben.

Es handelt sich bei uns ja um eine Semi-logarithmische Spezifikation und dort gilt 1+ß (falls ß klein) oder

Faustregel: Steigt/sinkt x absolut um eine Einheit, so steigt/sinkt y im
Mittel relativ um 100 · ß%.

Darum hätte ich gedacht man rechnet exp(0.9..)*100 ...

[csak3705]

wie interpretiert ihr unionyes:education

bin mir ziemlich sicher das es 152.82%, da es ja die differenz zu 100% ist