StudentsEducators
  1. University
  3. Universität Bremen
  5. Einführung in die Ökonometrie

Lösung Ökonometrie -WiSe 2021_cut

Take Lösung Ökonometrie -WiSe 2021_cut and compare your solution. From the course Einführung in die Ökonometrie at Universität Bremen (Uni Bremen).

Section 1

Open Ended
1
a)
1 P

Wenn sich das Gewicht des Wagens um 1% erhöht, erhöht sich der Kraftstoffverbrauch um 0,71%. Das doppelt-logarithmische Modell beschreibt die Elastizität.

Your answer:
1
c)
1 P

Konfidenzintervall: [Bj−tn−k−1;1−α/2∗σBj;Bj+tn−k−1;1−α/2∗σBjB_j - t_{n-k-1;1-\alpha/2} * \sigma_{B_j}; B_j + t_{n-k-1;1-\alpha/2} * \sigma_{B_j}Bj​−tn−k−1;1−α/2​∗σBj​​;Bj​+tn−k−1;1−α/2​∗σBj​​]
[0,71 - 2,008 * 0,29; 0,71 + 2,008 * 0,29] -> [0,12768; 1,29232]
Zu einer Vertrauenswürdigkeit von 95% kann β2\beta_2β2​ einen Wert innerhalb des Intervalls von 0,12768 bis 1,29232 annehmen und somit auch einen Wert unter 0,6.

Your answer:
1
e)
1 P

y = -5,8 + 0,51 * ln(85) + 0,71 * ln(1200) = 1,4997 -> €1,4997 = 4,48
Bei einem 1200 Kg schweren Auto mit 85 PS im Stadtverkehr ist ein Kraftstoffverbrauch von 4,48 Liter/100 km zu erwarten.

Your answer:
1
b)
1 P

Der Standardfehler liegt bei 0,29. Das heißt β2\beta_2β2​ könnte einen Wert unter 0,6 annehmen.

Your answer:
1
d)
1 P

H0:β2=0,6H_0: \beta_2 = 0,6H0​:β2​=0,6
H1:β2>0,6H_1: \beta_2 > 0,6H1​:β2​>0,6
T=Bj−BσBj=0,71−0,60,29=0,379T = \frac{B_j - B}{\sigma_{B_j}} = \frac{0,71 - 0,6}{0,29} = 0,379T=σBj​​Bj​−B​=0,290,71−0,6​=0,379
k = t51;0,9=1,298t_{51;0,9} = 1,298t51;0,9​=1,298
p-Wert: PQRS -> 0,3579
α<p−Wert\alpha < p-Wertα<p−Wert
Testentscheidung: 1,298 > 0,379 -> H0H_0H0​ kann nicht verworfen werden.

Your answer:

Section 2

Open Ended
2
d)
1 P

B1=γ0+γ1x4B_1 = \gamma_0 + \gamma_1x_4B1​=γ0​+γ1​x4​
y = β0+γ0x1+γ1x1x4+β2x2+β3x3+β4x4\beta_0 + \gamma_0x_1 + \gamma_1x_1x_4 + \beta_2x_2 + \beta_3x_3 + \beta_4x_4β0​+γ0​x1​+γ1​x1​x4​+β2​x2​+β3​x3​+β4​x4​
H0:γ1=0H_0: \gamma_1 = 0H0​:γ1​=0
H1:γ1>0H_1: \gamma_1 > 0H1​:γ1​>0
-> t-test

Your answer:
2
a)
1 P

y = 30,4 + 1,9x1 - 5,4x2 + 3,2x3 + 7,1x4

Your answer:
2
b)
1 P

F-Test
H0:β3=β4=0H_0: \beta_3 = \beta_4 = 0H0​:β3​=β4​=0
H1:H0H_1: H_0H1​:H0​ gilt nicht
RSS: y = β0+β1x1+β2x2+β3x3+β4x4\beta_0 + \beta_1x_1 + \beta_2x_2 + \beta_3x_3 + \beta_4x_4β0​+β1​x1​+β2​x2​+β3​x3​+β4​x4​
RSSr: y = β0+β1x1+β2x2\beta_0 + \beta_1x_1 + \beta_2x_2β0​+β1​x1​+β2​x2​

Your answer:

Section 3

Open Ended
3
b)
1 P

Verzögerte Variablen (t-1) beeinflussen die Anzahl der Besucher in der Woche t. Gutscheine, die in Periode t-1 gekauft könnten auch in der jetzigen Periode eingelöst werden. Wird die Variable vernachlässigt, kann es zu Verzerrungen im Modell und den Parametern kommen.

Your answer:
3
c)
1 P

Test nach Breusch und Godfrey

Your answer:
3
a)
1 P

Ohne die Annahme fehlender Autokorrelation wäre der KQ-Schätzer nicht BLUE und es können keine Tests durchgeführt werden

Your answer:
3
d)
1 P

H0:ρ1=ρ2=ρ3=ρ=0H_0: \rho_1 = \rho_2 = \rho_3 = \rho = 0H0​:ρ1​=ρ2​=ρ3​=ρ=0
H1:H0H_1: H_0H1​:H0​ gilt nicht
Q(m) = n * R² = 0,043 * 260 = 11,18
K: m = 4 α\alphaα: 0,05 -> PQRS: 9,39
9,49 11,18 -> H0H_0H0​ kann verworfen werden.
0
9,49
0,95
α\alphaα= 0,05
P-010246
0(0)=77,78
0,05

Your answer:
3
e)
1 P

Es kann bekämpft werden, indem man die verzögerte Wirkung von X2 einbezieht.

Your answer:
iconlogo
Log in