Tarefa paper_repro.mrw_1992.tab1_nonoil_ls.design

Veredito

Pergunta feita ao analista

In the Solow growth model, how does income per working-age person in 1985 vary across the non-oil-producing countries with the share of output that is invested, holding the growth of the working-age population (plus technological progress and depreciation, assumed to total 0.05) fixed? Report the elasticity of income with respect to the investment share.

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

   In the Solow growth model, how does income per working-age person in 1985 vary across the non-oil-producing countries with the share of output that is invested, holding the growth of the working-age population (plus technological progress and depreciation, assumed to total 0.05) fixed? Report the elasticity of income with respect to the investment share.

   growthdj (agent)

   The data of Mankiw, Romer and Weil (1992), 'A Contribution to the Empirics of Economic Growth', as transcribed by Durlauf and Johnson (R package AER, GrowthDJ): one row per country (121 rows). Columns: rownames, a row number; oil, 'yes' for the oil producers MRW exclude from the non-oil sample, else 'no'; inter, 'yes' for the 'intermediate' sample (no Summers-Heston grade of D, 1960 population of at least one million); oecd, 'yes' for the OECD sample; gdp60 and gdp85, real GDP per working-age person in 1960 and 1985 (dollars); gdpgrowth, average annual growth of GDP per working-age person 1960-1985 (percent); popgrowth, average annual growth of the working-age population 1960-1985 (percent); invest, average share of real investment in real GDP 1960-1985 (percent); school, percent of the working-age population in secondary school; literacy60, adult literacy rate in 1960 (percent). Columns built from the paper's definitions (g + δ = 0.05): ly, log of gdp85; s_share, invest divided by 100; ls, log of s_share (ln(I/GDP)); n_rate, popgrowth divided by 100; g_plus_delta, the constant 0.05; ngd, n_rate + g_plus_delta; lngd, log of ngd (ln(n + g + δ)). Some countries miss gdp85 or popgrowth.

   file 3d06303f1da9959175e990eb068bf242fac0e9bc1f9daad1f5fffe96d100e796 · frame —

   1. derive {"args":{"column":"gdp85"},"name":"ly","op":"log"}
   2. derive {"args":{"column":"invest","factor":0.01},"name":"s_share","op":"scale"}
   3. derive {"args":{"column":"s_share"},"name":"ls","op":"log"}
   4. derive {"args":{"column":"popgrowth","factor":0.01},"name":"n_rate","op":"scale"}
   5. derive {"args":{"value":0.05},"name":"g_plus_delta","op":"constant"}
   6. derive {"args":{"columns":["n_rate","g_plus_delta"]},"name":"ngd","op":"sum"}
   7. derive {"args":{"column":"ngd"},"name":"lngd","op":"log"}
2. 1Transformação
   growthdj · derive {"args":{"column":"gdp85"},"name":"ly","op":"log"}

   121 → 121 linhas

   Frame antes → depois: 6f822eca9c87 → 256189baba87
3. 2Transformação
   growthdj · derive {"args":{"column":"invest","factor":0.01},"name":"s_share","op":"scale"}

   121 → 121 linhas

   Frame antes → depois: 256189baba87 → ddc60cb0ca4e
4. 3Transformação
   growthdj · derive {"args":{"column":"s_share"},"name":"ls","op":"log"}

   121 → 121 linhas

   Frame antes → depois: ddc60cb0ca4e → 832bd9c4b876
5. 4Transformação
   growthdj · derive {"args":{"column":"popgrowth","factor":0.01},"name":"n_rate","op":"scale"}

   121 → 121 linhas

   Frame antes → depois: 832bd9c4b876 → ff997d0e044f
6. 5Transformação
   growthdj · derive {"args":{"value":0.05},"name":"g_plus_delta","op":"constant"}

   121 → 121 linhas

   Frame antes → depois: ff997d0e044f → b9e3acd5adf8
7. 6Transformação
   growthdj · derive {"args":{"columns":["n_rate","g_plus_delta"]},"name":"ngd","op":"sum"}

   121 → 121 linhas

   Frame antes → depois: b9e3acd5adf8 → 837704298f36
8. 7Transformação
   growthdj · derive {"args":{"column":"ngd"},"name":"lngd","op":"log"}

   121 → 121 linhas

   Frame antes → depois: 837704298f36 → e3f509733efe
9. 8Turno do modelo
   call_1ca9337freferenceFim: tool_use0 ms0 de entrada · 0 de saída · 0 de raciocínio · 0 em cache

   Texto visível

   Table I, Non-oil sample: OLS of log GDP per working-age person in 1985 on ln(I/GDP) and ln(n + g + δ) with g + δ = 0.05, classical errors.

   Chamadas pedidas

   • infer.ols

     {
       "controls": [],
       "dataset": "growthdj",
       "fe": [],
       "se": "classical",
       "subset": "oil == 'no'",
       "x": [
         "ls",
         "lngd"
       ],
       "y": "ly"
     }

   Mensagens (formato neutro)Instruções do sistemaFerramentas oferecidas
10. 9Ferramenta
    infer.olsv0.1.0call_1a2b4b6cdecidido pelo modeloreexecutável

    Motivo: Table I, Non-oil sample: OLS of log GDP per working-age person in 1985 on ln(I/GDP) and ln(n + g + δ) with g + δ = 0.05, classical errors.

    Argumentos

    {
      "cluster": null,
      "controls": [],
      "dataset": "growthdj",
      "fe": [],
      "intercept": true,
      "level": 0.95,
      "se": "classical",
      "subset": "oil == 'no'",
      "weights": null,
      "x": [
        "ls",
        "lngd"
      ],
      "y": "ly"
    }

    Figuras call_1a2b4b6c

    Chave	Valor	Valor bruto	Erro-padrão	IC
    coef.ls Coefficient on ls in the regression of ly	1,42401	1.424014283369419	0,1431060.14310581649732002	1,13991 – 1,70812
    coef.lngd Coefficient on lngd in the regression of ly	-1,98977	-1.9897744846061867	0,5633620.5633618948953983	-3,10819 – -0,87136

    Diagnósticos

    • n_obs = 9898
    • k = 33
    • r2 = 0,6008650.6008648011032094
    • df_resid = 9595
    • se_type = "classical"
    • n_clusters = —

    Tabelas (1)

    {
      "coefficients": [
        {
          "ci_high": 8.574302070149807,
          "ci_low": 2.2854641214134954,
          "coef": 5.429883095781651,
          "p": 0.0008999523718049453,
          "se": 1.5838898803304133,
          "t": 3.428194827944055,
          "term": "Intercept"
        },
        {
          "ci_high": 1.708115249178197,
          "ci_low": 1.1399133175606408,
          "coef": 1.424014283369419,
          "p": 2.1046445253797267e-16,
          "se": 0.14310581649732002,
          "t": 9.950778509384255,
          "term": "ls"
        },
        {
          "ci_high": -0.8713597174283383,
          "ci_low": -3.108189251784035,
          "coef": -1.9897744846061867,
          "p": 0.0006385352057009347,
          "se": 0.5633618948953983,
          "t": -3.531964981365373,
          "term": "lngd"
        }
      ]
    }

    Digests dos dados

    growthdj e3f509733efe06358f9503c526bd45111b6a64feb75b292419aae56055b598f2

    sha256 do resultado

    c610b32762a31ca6dcf00b54c07fc2f3f4853a6316d3ae47d21247dd56b131cc

    Resultado mostrado ao modelo
11. 10Turno do modelo
    call_f61a2b55referenceFim: tool_use0 ms0 de entrada · 0 de saída · 0 de raciocínio · 0 em cache

    Chamadas pedidas

    • submit_answer (meta-ferramenta)

      {
        "answer": "Estimativa (infer.ols): coef.ls = 1,424.",
        "caveats": [],
        "figure_refs": [
          "call_1a2b4b6c:coef.ls"
        ]
      }

    Mensagens (formato neutro)Instruções do sistemaFerramentas oferecidas
12. 11Guarda
    resposta aceita

    Números encontrados

    1,424

    Sem lastro

    —

    Não citados

    —

    1 nova(s) tentativa(s) restante(s)
13. 12Resposta

    Estimativa (infer.ols): coef.ls = 1,424.

    Figuras citadas: call_1a2b4b6c:coef.ls · Parada: answered

    Figura da resposta: call_1a2b4b6c:coef.ls = 1,424011.424014283369419 (se 0,1431060.14310581649732002)
14. 13Pontuação
    #0resposta com lastropassouobrigatóriaevery number backed
15. 14Pontuação
    #1figura da resposta escolhidapassouobrigatóriaanswer figure call_1a2b4b6c:coef.ls (infer.ols)
16. 15Pontuação
    #2ferramenta chamadapassouobrigatóriaanswer call is infer.ols
17. 16Pontuação
    #3argumento igualpassouobrigatóriainfer.ols.y = 'ly'
18. 17Pontuação
    #4argumento igualpassouobrigatóriainfer.ols.x[0] = 'ls'
19. 18Pontuação
    #5argumento igualpassouregistradainfer.ols.y = 'ly'
20. 19Pontuação
    #6diagnósticopassouregistrada98 vs 98
21. 20Pontuação
    #7figura da resposta próximapassouregistrada1.424014283 vs 1.4240142833694192
22. 21Pontuação
    #8figura da resposta próximapassouregistrada0.1431058165 vs 0.14310581649732004
23. 22Pontuação
    #9figura da resposta próximapassouregistrada1.424014283 vs 1.42
24. 23Pontuação
    #10figura da resposta próximapassouregistrada0.1431058165 vs 0.14

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