Академический Документы
Профессиональный Документы
Культура Документы
R
Brian
Sun Nov 16 21:45:00 2014
# Brian P Palmiter
# Problem Set 9
# November 18, 2014
########################################################################
require(stargazer)
# Problem 1A
########################################################################
model2.reg <- lm(ENPRES ~ ENETH*RUNOFF, data = netocox)
stargazer(model2.reg)
##
##
##
##
##
##
##
##
##
##
##
% Table created by stargazer v.5.1 by Marek Hlavac, Harvard University. E-mail: hlavac at fas.harvard
% Date and time: Sun, Nov 16, 2014 - 9:45:02 PM
\begin{table}[!htbp] \centering
\caption{}
\label{}
\begin{tabular}{@{\extracolsep{5pt}}lc}
\\[-1.8ex]\hline
\hline \\[-1.8ex]
& \multicolumn{1}{c}{\textit{Dependent variable:}} \\
\cline{2-2}
1
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
########################################################################
# Problem 1B
########################################################################
plot(x = netocox$ENETH,
y = netocox$ENPRES,
xlab = "ENETH",
ylab = "ENPRES",
main = "Presidential Candidates vs. Ethnic Groups",
pch = 16,
col = ifelse(netocox$RUNOFF == 0, "red", "blue"))
legend("topleft",
legend = c("RUNOFF = 0", "RUNOFF = 1"),
lty=1,
lwd = 3,
col=c('red', 'blue'))
#Reg line when RUNOFF = 0
abline(a = coef(model2.reg)[1],
b = coef(model2.reg)[2],
col = "red",
lwd = 3)
#Reg line when RUNOFF = 1
abline(a = coef(model2.reg)[1] + coef(model2.reg)[3],
2
b = coef(model2.reg)[2] + coef(model2.reg)[4],
col = "blue",
lwd = 3)
4
2
ENPRES
RUNOFF = 0
RUNOFF = 1
1.0
1.5
2.0
2.5
ENETH
########################################################################
# Problem 1C sub 3
########################################################################
#Marginal effect when ENETH is sample mean
mean(netocox$ENETH)
## [1] 1.578
marginalEffectZ <- -2.491 + 2.005 * mean(netocox$ENETH)
# Problem 1D sub 1
########################################################################
beta0
beta1
beta2
beta3
<<<<-
as.numeric(coef(model2.reg)[1])
as.numeric(coef(model2.reg)[2])
as.numeric(coef(model2.reg)[3])
as.numeric(coef(model2.reg)[4])
##
##
##
##
##
##
##
##
##
##
##
##
##
########################################################################
# Problem 1D sub 3
########################################################################
plot(x = fitted(model2.reg),
y = residuals(model2.reg),
main = "Residuals vs. Fitted Values Plot",
xlab = "Fitted Values",
ylab = "Residuals",
pch = 16)
abline(a =
b =
col
lwd
0,
0,
= "orange",
= 3)
0
2
Residuals
2.0
2.5
3.0
3.5
4.0
Fitted Values
# Problem 2A
########################################################################
n <- 16
k <- 4
#Rejection Region
qt(.025, df = n - (k + 1))
## [1] -2.201
#T Statistic
2 * pt(-1.271429, df = n - (k + 1))
## [1] 0.2298
########################################################################
# Problem 2B
########################################################################
#F statistic
ur.mod <- lm(ENPRES ~ ENETH * RUNOFF, data = netocox)
r.mod <- lm(ENPRES ~ RUNOFF, data = netocox)
anova(r.mod, ur.mod)
6
4.5
##
##
##
##
##
##
##
ENPRES ~ RUNOFF
ENPRES ~ ENETH * RUNOFF
RSS Df Sum of Sq
F Pr(>F)
19.9
13.8 2
6.03 2.62
0.11
(19.864 - 13.833)/2/(13.833/12)
## [1] 2.616
#P value of F statistic
pf(2.615918, 2, 12, lower.tail = FALSE)
## [1] 0.1141
########################################################################
# Problem 2C
########################################################################
#F statistic
holder <- rep(NA, 16)
for (i in 1:16){
holder[i] <- (netocox$ENPRES[i] - mean(netocox$ENPRES))^2
}
SSRf <- sum(holder)
qf(.05, 3, 12, lower.tail = FALSE)
## [1] 3.49
(21.6903 - 13.833)/ 3 /(13.833/12)
## [1] 2.272
pf(2.272045, 3, 12, lower.tail = FALSE)
## [1] 0.1324