Tarefa paper_repro.mroz_1987.ex15_1.design

Veredito

Pergunta feita ao analista

What is the return to a year of education for married women who work? Using Mroz's sample of married women in 1975, estimate the causal effect of a year of schooling on the log hourly wage of the women who worked, using a source of variation in schooling that is not driven by the woman's own ability.

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

   What is the return to a year of education for married women who work? Using Mroz's sample of married women in 1975, estimate the causal effect of a year of schooling on the log hourly wage of the women who worked, using a source of variation in schooling that is not driven by the woman's own ability.

   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_db1c9b1creferenceFim: 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_37683c97decidido 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_37683c97

   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

   69814dbe9c9dc665244de696b13b5be2d958ede321af1962a8fa52435de9e06e

   Resultado mostrado ao modelo
4. 3Turno do modelo
   call_cdf9eae7referenceFim: 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_37683c97: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_37683c97:coef.educ · Parada: answered

   Figura da resposta: call_37683c97:coef.educ = 0,05917350.05917347999936612 (se 0,03514180.035141773970085714)
7. 6Pontuação
   #0resposta com lastropassouobrigatóriaevery number backed
8. 7Pontuação
   #1figura da resposta escolhidapassouobrigatóriaanswer figure call_37683c97: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[0] = 'educ'
12. 11Pontuação
    #5argumento igualpassouregistradainfer.iv_2sls.y = 'lwage'
13. 12Pontuação
    #6argumento igualpassouregistradainfer.iv_2sls.endog = ['educ']
14. 13Pontuação
    #7argumento igualpassouregistradainfer.iv_2sls.instruments = ['fatheduc']
15. 14Pontuação
    #8argumento igualpassouregistradainfer.iv_2sls.exog = []
16. 15Pontuação
    #9diagnósticopassouregistrada428 vs 428
17. 16Pontuação
    #10figura da resposta próximapassouregistrada0.05917348 vs 0.05917347999936595
18. 17Pontuação
    #11figura da resposta próximapassouregistrada0.03514177397 vs 0.03514177397008675
19. 18Pontuação
    #12figura da resposta próximapassouregistrada0.05917348 vs 0.059
20. 19Pontuação
    #13figura 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