Tarefa paper_repro.mroz_1987.ex15_1.agent

Veredito

Pergunta feita ao analista

Wooldridge, Introductory Econometrics (7th edition), Example 15.1, equation (15.17), using Mroz's (1987) data on married women: among the women who worked in 1975 (those with an observed wage), estimate by instrumental variables the return to education in a simple regression of the log hourly wage on years of schooling and an intercept, using the father's years of schooling as the instrument. Report the coefficient on years of schooling.

Valores esperados e de onde vêm

Verificações

Caminho de referência e caminho do agente

A chamada de referência ao lado da chamada que deu a resposta, argumento por argumento.

Trajetória

Cada evento na ordem em que aconteceu: turnos do modelo, chamadas de ferramentas, guardas, transformações e pontuação.

1. 0Início

   Wooldridge, Introductory Econometrics (7th edition), Example 15.1, equation (15.17), using Mroz's (1987) data on married women: among the women who worked in 1975 (those with an observed wage), estimate by instrumental variables the return to education in a simple regression of the log hourly wage on years of schooling and an intercept, using the father's years of schooling as the instrument. Report the coefficient on years of schooling.

   mroz (agent)

   Wooldridge's MROZ data set (the R package wooldridge, served by Rdatasets): Mroz's (1987) sample of married women from the Panel Study of Income Dynamics, for 1975; one row per woman (753 rows). Columns used here: inlf, 1 if the woman was in the labour force in 1975; lwage, log hourly wage (missing for women who did not work); wage, hourly wage; educ, years of schooling; exper, years of labour-market experience; expersq, exper squared; fatheduc, father's years of schooling; motheduc, mother's years of schooling; also hours, kidslt6, kidsge6, age, repwage, hushrs, husage, huseduc, huswage, faminc, mtr, unem, city, nwifeinc and rownames.

   file bcfc04b6a87746b185ed972f1149c459cc1af5a6ff44443ce5dd004eb8204a78 · frame —
2. 1Turno do modelo
   call_135e1d09referenceFim: tool_use0 ms0 de entrada · 0 de saída · 0 de raciocínio · 0 em cache

   Texto visível

   Example 15.1, equation (15.17): simple IV regression of the log wage on education, with father's education as the instrument, for the working women.

   Chamadas pedidas

   • infer.iv_2sls

     {
       "dataset": "mroz",
       "endog": [
         "educ"
       ],
       "exog": [],
       "instruments": [
         "fatheduc"
       ],
       "se": "classical",
       "subset": "inlf == 1",
       "y": "lwage"
     }

   Mensagens (formato neutro)Instruções do sistemaFerramentas oferecidas
3. 2Ferramenta
   infer.iv_2slsv0.1.0call_594dd8b5decidido pelo modeloreexecutável

   Motivo: Example 15.1, equation (15.17): simple IV regression of the log wage on education, with father's education as the instrument, for the working women.

   Argumentos

   {
     "cluster": null,
     "dataset": "mroz",
     "endog": [
       "educ"
     ],
     "exog": [],
     "instruments": [
       "fatheduc"
     ],
     "level": 0.95,
     "se": "classical",
     "subset": "inlf == 1",
     "y": "lwage"
   }

   Figuras call_594dd8b5

   Chave	Valor	Valor bruto	Erro-padrão	IC
   coef.educ 2SLS effect of educ on lwage	0,0591735	0.05917347999936612	0,03514180.035141773970085714	-0,00989937 – 0,128246

   Diagnósticos

   • first_stage_F.educ = 88,840888.84076437074765
   • partial_r2.educ = 0,172560.17255969324676745
   • weak_instrument = false
   • n_obs = 428428
   • se_type = "classical"
   • n_clusters = —

   Tabelas (3)

   {
     "coefficients": [
       {
         "ci_high": 1.3179379680966103,
         "ci_low": -0.4357311520259835,
         "coef": 0.4411034080353134,
         "p": 0.3233244980335768,
         "se": 0.44610176604739354,
         "t": 0.9887954758476587,
         "term": "Intercept"
       },
       {
         "ci_high": 0.12824633346921774,
         "ci_low": -0.0098993734704855,
         "coef": 0.05917347999936612,
         "p": 0.09294318274439199,
         "se": 0.035141773970085714,
         "t": 1.6838501109744002,
         "term": "educ"
       }
     ],
     "first_stage": [
       {
         "ci_high": 0.32562947283589605,
         "ci_low": 0.21325380614425338,
         "coef": 0.2694416394900747,
         "endog": "educ",
         "instrument": "fatheduc",
         "p": 2.764935579128143e-19,
         "se": 0.028586340944630733,
         "t": 9.425537882303994
       }
     ],
     "reduced_form": [
       {
         "ci_high": 0.03543143951439208,
         "ci_low": -0.003543840583667461,
         "coef": 0.01594379946536231,
         "instrument": "fatheduc",
         "p": 0.10855148999538793,
         "se": 0.009914607655702304,
         "t": 1.6081119918237377
       }
     ]
   }

   Digests dos dados

   mroz 909e3d99ac8070dc661ce7915c99f27631797719369832e227d4005096cbd479

   sha256 do resultado

   7c7fa5bc9128215741027e1e41f43025b612dd43566dadaf33f8ff684c631568

   Resultado mostrado ao modelo
4. 3Turno do modelo
   call_a8938cc4referenceFim: tool_use0 ms0 de entrada · 0 de saída · 0 de raciocínio · 0 em cache

   Chamadas pedidas

   • submit_answer (meta-ferramenta)

     {
       "answer": "Estimativa (infer.iv_2sls): coef.educ = 0,05917.",
       "caveats": [],
       "figure_refs": [
         "call_594dd8b5:coef.educ"
       ]
     }

   Mensagens (formato neutro)Instruções do sistemaFerramentas oferecidas
5. 4Guarda
   resposta aceita

   Números encontrados

   0,05917

   Sem lastro

   —

   Não citados

   —

   1 nova(s) tentativa(s) restante(s)
6. 5Resposta

   Estimativa (infer.iv_2sls): coef.educ = 0,05917.

   Figuras citadas: call_594dd8b5:coef.educ · Parada: answered

   Figura da resposta: call_594dd8b5:coef.educ = 0,05917350.05917347999936612 (se 0,03514180.035141773970085714)
7. 6Pontuação
   #0resposta com lastropassouobrigatóriaevery number backed
8. 7Pontuação
   #1figura da resposta escolhidapassouobrigatóriaanswer figure call_594dd8b5:coef.educ (infer.iv_2sls)
9. 8Pontuação
   #2ferramenta chamadapassouobrigatóriaanswer call is infer.iv_2sls
10. 9Pontuação
    #3argumento igualpassouobrigatóriainfer.iv_2sls.y = 'lwage'
11. 10Pontuação
    #4argumento igualpassouobrigatóriainfer.iv_2sls.endog = ['educ']
12. 11Pontuação
    #5argumento igualpassouobrigatóriainfer.iv_2sls.instruments = ['fatheduc']
13. 12Pontuação
    #6argumento igualpassouobrigatóriainfer.iv_2sls.exog = []
14. 13Pontuação
    #7diagnósticopassouobrigatória428 vs 428
15. 14Pontuação
    #8figura da resposta próximapassouobrigatória0.05917348 vs 0.05917347999936595
16. 15Pontuação
    #9figura da resposta próximapassouregistrada0.03514177397 vs 0.03514177397008675
17. 16Pontuação
    #10figura da resposta próximapassouregistrada0.05917348 vs 0.059
18. 17Pontuação
    #11figura da resposta próximapassouregistrada0.03514177397 vs 0.035

Épocas × verificações

Tentativas

Cada tentativa é seu próprio arquivo e é publicada; só a última de cada época é pontuada.

• época 1, tentativa 1passoupontuada(exibindo)

Downloads desta tarefa