388  log-y-regression3

Schlüsselwörter

Aufgaben, Statistik, Prognose, Modellierung, R, Datenanalyse, Regression

388.1 Exercise

library(tidyverse)
library(easystats)

In dieser Aufgabe modellieren wir den (kausalen) Effekt von Schulbildung auf das Einkommen.

Importieren Sie zunächst den Datensatz und verschaffen Sie sich einen Überblick.

d_path <- "https://vincentarelbundock.github.io/Rdatasets/csv/Ecdat/Treatment.csv"

d <- data_read(d_path)

Dokumentation und Quellenangaben zum Datensatz finden sich hier.

glimpse(d)
## Rows: 2,675
## Columns: 11
## $ rownames <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18…
## $ treat    <lgl> TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, T…
## $ age      <int> 37, 30, 27, 33, 22, 23, 32, 22, 19, 21, 18, 27, 17, 19, 27, 2…
## $ educ     <int> 11, 12, 11, 8, 9, 12, 11, 16, 9, 13, 8, 10, 7, 10, 13, 10, 12…
## $ ethn     <chr> "black", "black", "black", "black", "black", "black", "black"…
## $ married  <lgl> TRUE, FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, FALSE,…
## $ re74     <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
## $ re75     <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
## $ re78     <dbl> 9930.05, 24909.50, 7506.15, 289.79, 4056.49, 0.00, 8472.16, 2…
## $ u74      <lgl> TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, T…
## $ u75      <lgl> TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, T…

Welcher der Prädiktoren hat den stärkesten Einfluss auf das Einkommen?

Hinweise:

• Verwenden Sie lm zur Modellierung.
• Operationalisieren Sie das Einkommen mit der Variable re74.
• Gehen Sie von einem kausalen Effekt der Prädiktoren aus.
• Gehen Sie von einem multiplikativen Modell aus (log-y).
• Lassen Sie die Variablen zur Arbeitslosigkeit außen vor.

388.2 Answerlist

• treat
• age
• educ
• ethn
• married

388.3 Solution

d2 <-
  d %>% 
  filter(re74 > 0) %>% 
  mutate(re74_log = log(re74)) %>% 
  standardize(select = c("age", "educ"))

Prüfen, ob das standardisieren funktioniert hat:

d2 %>% 
  describe_distribution() %>% 
  display()

Variable	Mean	SD	IQR	Range	Skewness	Kurtosis	n	n_Missing
rownames	1429.07	736.61	1294.00	(95.00, 2675.00)	-0.08	-1.15	2329	0
age	-2.69e-16	1.00	1.74	(-1.65, 2.03)	0.42	-1.09	2329	0
educ	1.33e-16	1.00	0.99	(-3.99, 1.61)	-0.47	0.43	2329	0
re74	20938.28	12631.52	15086.30	(17.63, 1.37e+05)	1.62	6.81	2329	0
re75	20080.38	13123.48	15217.70	(0.00, 1.57e+05)	1.58	7.85	2329	0
re78	22508.65	14917.30	16846.10	(0.00, 1.21e+05)	1.28	4.12	2329	0
re74_log	9.73	0.76	0.80	(2.87, 11.83)	-1.67	6.01	2329	0

m <- lm(re74_log ~ educ + treat + age + ethn + married, data = d2)

Parameter des Modells:

Parameter	Coefficient	SE	95% CI	t(2322)	p
(Intercept)	9.29	0.04	(9.20, 9.37)	223.32	< .001
educ	0.23	0.01	(0.20, 0.26)	16.03	< .001
treatTRUE	-0.66	0.09	(-0.84, -0.47)	-7.06	< .001
age	0.22	0.01	(0.19, 0.25)	15.79	< .001
ethn (hispanic)	0.22	0.08	(0.07, 0.38)	2.90	0.004
ethn (other)	0.22	0.03	(0.16, 0.29)	6.78	< .001
marriedTRUE	0.35	0.04	(0.28, 0.43)	8.93	< .001

388.4 Answerlist

• TRUE
• FALSE
• FALSE
• FALSE
• FALSE

---

Categories:

• stats-nutshell
• qm2
• regression
• log