6.10(i) Holding exper (and the elem

6.10
(i) Holding exper (and the elements in u) fixed, we have
∆log(wage) = β1∆educ + β3(∆educ)exper = (β1 + β3)∆educ
or
(Δ log⁡(wage))/Δeduc=(β1 + β3exper)
This is the approximate proportionate change in wage given one more year of education
(ii) H0: β3 = 0. If we think that education and experience interact positively – so that people with more experience are more productive when given another year of education – then ⬬¬3 > 0 is the appropriate alternative.
(iii) The estimated equation is
log(wage) = 5.95 + .0440 educ – .0215 exper + .00320 educ.exper
(0.24) (.0174) (.0200) (.00153)
n = 935, R2= .135, ¯R2 = .132
The t statistic on the interaction term is about 2.13, which gives a p-value below .02 against H1: ⬬¬3 > 0. Therefore, we reject H0: ⬬¬3 = 0 against H1: ⬬¬3 > 0 at the 2% level.
(iv) We rewrite the equation as
log(wage) = β0 + θ1educ + β2exper + β3educ(exper – 10) + u
and run the regression log(wage) on educ, exper, and educ(exper – 10). We want the coefficient on educ. We obtain ¯θ1≈ .0761 and se(¯θ1) ≈ .0066. The 95% CI for 1θ is about .063 to .089.

Kết quả (Việt) 1:

6,10(i) holding exper (và các yếu tố trong u) cố định, chúng tôi có∆log(Wage) = β1∆educ + β3 (∆educ) exper = (β1 + β3) ∆educhoặc(Đăng nhập Δ (lương)) / Δeduc = (β1 + β3exper)Đây là sự thay đổi tương ứng gần đúng ở mức lương cho một năm thêm giáo dục(ii) H0: β3 = 0. Nếu chúng tôi nghĩ rằng giáo dục và kinh nghiệm tương tác tích cực-vì vậy mà những người có nhiều kinh nghiệm năng suất cao hơn khi được một năm của giáo dục-sau đó ⬬¬3 > 0 là lựa chọn thích hợp.(iii) phương trình ước tính làlog(Wage) = 5,95 +.0440 educ-.0215 exper +.00320 educ.exper (0,24) (. 0174) (. 0200) (. 00153) n = 935, R2 =.135, ¯R2 =.132Thống kê t vào các điều khoản tương tác là khoảng 2,13, đó cung cấp cho một giá trị p dưới đây.02 chống lại H1: ⬬¬3 > 0. Vì vậy, chúng tôi từ chối H0: ⬬¬3 = 0 chống lại H1: ⬬¬3 > 0 ở cấp độ 2%.(iv) chúng tôi viết lại phương trình như log(Wage) = β0 + θ1educ + β2exper + β3educ (exper-10) + uvà chạy hồi qui log(wage) educ, exper và educ (exper-10). Chúng tôi muốn hệ số ngày educ. Chúng tôi có được ¯θ1≈.0761 và se(¯θ1) ≈.0066. 95% CI cho 1θ là khoảng.063 để.089.

Kết quả (Việt) 2:

6.10
(i) Tổ chức exper (và các yếu tố trong u) cố định, chúng ta có
Δlog (lương) = β1Δeduc + β3 (Δeduc) exper = (β1 + β3) Δeduc
hoặc
(Δ log⁡ (lương)) / Δeduc = (β1 + β3exper)
Đây là thay đổi tương ứng xấp xỉ trong lương cho thêm một năm giáo dục
(ii) H0: β3 = 0. Nếu chúng ta nghĩ rằng giáo dục và kinh nghiệm tương tác tích cực - vì vậy mà mọi người có kinh nghiệm hơn là năng suất cao hơn khi đưa ra một năm của giáo dục - sau đó ⬬¬3> 0 là thay thế thích hợp.
(iii) Các phương trình ước tính là
đăng nhập (lương) = 5,95 + 0,0440 educ - 0,0215 exper + 0,00320 educ.exper
(0.24) (0,0174) (0,0200) (0,00153)
n = 935, R2 = 0,135, R2 = 0,132
Các t thống kê về các thuật ngữ tương là khoảng 2.13, trong đó cung cấp một giá trị p dưới 0,02 đối với H1: β ¬¬¬3> 0. Do đó, chúng ta bác bỏ H0: ⬬¬3 = 0 đối với H1:. ⬬¬3> 0 ở mức 2%
(iv) Chúng ta viết lại phương trình như
log (lương) = β0 + θ1educ + β2exper + β3educ (exper - 10) + u
và chạy các log hồi quy (tiền công) đối educ, exper, và educ (exper - 10). Chúng tôi muốn các hệ số trên educ. Chúng tôi có được ¯θ1≈ 0,0761 và se (¯θ1) ≈ 0,0066. CI 95% cho 1θ là khoảng 0,063-0,089.