where the intercept and slope estim

where the intercept and slope estimates have been rounded to three decimal places; we
use “salary hat” to indicate that this is an estimated equation. How do we interpret the
equation? First, if the return on equity is zero, roe 0, then the predicted salary is the inter-
cept, 963.191, which equals $963,191 since salary is measured in thousands. Next, we can
ˆ
write the predicted change in salary as a function of the change in roe: salary 18.501
(roe). This means that if the return on equity increases by one percentage point, roe
1, then salary is predicted to change by about 18.5, or $18,500. Because (2.26) is a linear
equation, this is the estimated change regardless of the initial salary.
We can easily use (2.26) to compare predicted salaries at different values of roe.
ˆ
Suppose roe 30. Then salary 963.191 18.501(30) 1518.221, which is just over
$1.5 million. However, this does not mean that a particular CEO whose firm had an
roe 30 earns $1,518,221. There are many other factors that affect salary. This is just
our prediction from the OLS regression line (2.26). The estimated line is graphed in Fig-
ure 2.5, along with the population regression function E(salaryroe). We will never know
the PRF, so we cannot tell how close the SRF is to the PRF. Another sample of data will
give a different regression line, which may or may not be closer to the population regres-
sion line.

F i g u r e 2 . 5
ˆ
The OLS regression line salary 963.191 18.50 roe and the (unknown) population
regression function.
We must interpret this equation with caution. The intercept of 0.90 literally means that a
person with no education has a predicted hourly wage of 90 cents an hour. This, of
course, is silly. It turns out that no one in the sample has less than eight years of education,
which helps to explain the crazy prediction for a zero education value. For a person with
eight years of education, the predicted wage
is waˆge 0.90 0.54(8) 3.4

Kết quả (Việt) 2:

nơi dự toán đánh chặn và dốc đã được làm tròn đến ba số thập phân; chúng tôi
sử dụng "mũ lương" để chỉ ra rằng đây là một phương trình ước tính. Làm thế nào để chúng tôi giải thích các
phương trình? Đầu tiên, nếu lợi nhuận trên vốn chủ sở hữu là số không, trứng 0, sau đó mức lương dự báo là liên
CEPT, 963,191, tương đương $ 963,191 vì lương được đo trong hàng ngàn. Tiếp theo, chúng ta có thể
viết các thay đổi dự đoán ở mức lương như là một chức năng của sự thay đổi trong trứng: lương 18,501 (trứng). Điều này có nghĩa rằng nếu lợi nhuận trên vốn chủ sở hữu tăng lên bởi một điểm phần trăm, trứng 1, sau đó tiền lương được dự đoán sẽ thay đổi khoảng 18,5, hoặc $ 18,500. Bởi vì (2.26) là một tuyến tính phương trình, đây là sự thay đổi ước tính bất kể mức lương ban đầu. Chúng ta có thể dễ dàng sử dụng (2.26) để so sánh mức lương dự báo tại các giá trị khác nhau của trứng. Trứng Giả 30. Sau đó, mức lương 963,191 18,501 (30) 1518,221 , mà là chỉ hơn $ 1.5 triệu. Tuy nhiên, điều này không có nghĩa là một giám đốc điều hành cụ thể mà công ty đã có một trứng 30 kiếm được 1.518.221 $. Có rất nhiều yếu tố khác ảnh hưởng đến tiền lương. Đây chỉ là dự đoán của chúng tôi từ đường hồi quy OLS (2.26). Dòng ước tính là vẽ trong hình ure 2.5, cùng với hàm hồi quy dân số E (salaryroe). Chúng tôi sẽ không bao giờ biết những PRF, vì vậy chúng tôi không thể nói như thế nào đóng SRF là PRF. Một mẫu khác của dữ liệu sẽ cung cấp cho một đường hồi quy khác nhau, có thể hoặc không thể được gần gũi hơn với dân số hồi quy tuyến sion. F igure 2. 5 Các OLS đường hồi quy lương 963,191 18.50 trứng và (không rõ) dân số hàm hồi quy. Chúng tôi phải giải thích phương trình này một cách thận trọng. Giao điểm 0.90 nghĩa đen có nghĩa là một người không có giáo dục có một mức lương theo giờ dự đoán 90 xu một giờ. Điều này, tất nhiên, là ngớ ngẩn. Nó chỉ ra rằng không có ai trong mẫu có ít hơn tám năm của giáo dục, giúp giải thích dự đoán điên cho một giá trị số không giáo dục. Đối với một người tám năm của giáo dục, mức lương dự đoán là lương 0,90 0,54 (8) 3,4