Nama ` :

Yoesef
Siregar

Nim :
1. Estimated Equation
Dependent Variable: LOG(WAGE)
Method: Least Squares
Date: 04/14/19 Time: 23:10
Sample: 1 526
Included observations: 526

Variable Coefficient Std. Error t-Statistic Prob.

C 0.127998 0.105932 1.208296 0.2275

EDUC 0.090366 0.007468 12.10041 0.0000
EXPER 0.041009 0.005197 7.891606 0.0000
EXPERSQ -0.000714 0.000116 -6.163888 0.0000

R-squared 0.300273     Mean dependent var 1.623268

Adjusted R-squared 0.296251     S.D. dependent var 0.531538
S.E. of regression 0.445906     Akaike info criterion 1.230158
Sum squared resid 103.7904     Schwarz criterion 1.262594
Log likelihood -319.5316     Hannan-Quinn criter. 1.242858
F-statistic 74.66829     Durbin-Watson stat 1.785009
Prob(F-statistic) 0.000000

Log(wage) = 0.127 + 0.0904 educ + 0.0410 exper – 0.000714 exper2

= (0.105) (0.007) (0.005) (0.0001)
n = 526, R2 = 0.300, adj R2 = 0.296

2. Is exper² statistically significant at the 1% level?

Nilai t-Statistic pada exper2 adalah -6.163, Kemudian Variabel exper 2 memiliki nilai t-Tabel
n-k-1=522 sehingga nilai critical value dari variabel exper 2 pada tingkat signifikan 1% adalah
-2.326. Berarti variable exper 2 signifikan di level 1% karena t-Statistic lebih besar dari t-
Tabel

3. find the approximate return to the fifth year of experience. What is the
approxi-mate return to the twentieth year of experience?

Untuk mengestimasi return pada pengalaman 5 tahun, maka diasumsikan exper = 4 dan
exper = 1. Maka :
% wage  100[0.0410 + 2(0.000714)4]
 3.53%

Sama halnya dengan 20 tahun, maka exper = 19 dan exper = 1

% wage  100[0.0410 + 2(0.000714)19]
 1.39%
4. At what value of exper does additional experience actually lower predicted
log(wage)? How many people have more experience in this sample?
Pada turn around point (titik balik) adalah 0.041/[2(0.000714)]  28.7 tahun pengalaman.
Pada sample terdapat 121 orang dengan pengalam selama 29 tahun.ini adalah sebgaian dari
data yang diambil

1. Show that the return to another year of education (in decimal form), holding
exper fixed, is β₁ + β₃exper.
log(wage) = β₁ educ + β₃(educ)exper = (β₁ + β₃exper)educ
log (wage)
or
educ
=(β₁ + β₃exper)
Ini adalah perkiraan perubahan proporsional upah yang diberikan satu tahun lagi Pendidikan
2. State the null hypothesis that the return to education does not depend on the
level of exper. What do you think is the appropriate alternative?
H₀ : β₃ = 0, Jika kita berpikir bahwa pendidikan dan pengalaman berinteraksi secara positif -
sehingga orang-orang dengan pengalaman lebih banyak lebih produktif ketika diberikan satu
tahun pendidikan lagi maka, β₃ > 0 adalah alternatif yang tepat.
3. Use the data in WAGE2.RAW to test the null hypothesis in (ii) against your
stated alternative.
Dependent Variable: LOG(WAGE)
Method: Least Squares
Date: 04/14/19 Time: 23:11
Sample: 1 935
Included observations: 935

Variable Coefficient Std. Error t-Statistic Prob.

C 5.949455 0.240826 24.70432 0.0000

EDUC 0.044050 0.017391 2.532891 0.0115
EXPER -0.021496 0.019978 -1.075965 0.2822
EDUC*EXPER 0.003203 0.001529 2.094592 0.0365

R-squared 0.134936     Mean dependent var 6.779004

Adjusted R-squared 0.132148     S.D. dependent var 0.421144
S.E. of regression 0.392332     Akaike info criterion 0.970850
Sum squared resid 143.3033     Schwarz criterion 0.991558
Log likelihood -449.8724     Hannan-Quinn criter. 0.978746
F-statistic 48.40693     Durbin-Watson stat 1.789254
Prob(F-statistic) 0.000000
Persamaan estimasi adalah

Log(wage) = 5.95 + 0.044 educ – 0.021 exper + 0.0032 educ.exper

(0.24) (0.0174) (0.0200) (0.00153)
n = 935 R² = 0.135 Ṝ² = 0.132

Nilai t-Statistic pada kondisi interaksi adalah 2.13 yang memberikan nilai dibawah
0,02 melawan H₁ : β₃ > 0, karena itu, kita menolak H₀ : β₃ = 0 melawan H₁ : β₃ > 0
pada level 2%

4.
Dependent Variable: LOG(WAGE)
Method: Least Squares
Date: 04/23/19 Time: 03:06
Sample (adjusted): 1 933
Included observations: 933 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C 5.385728 0.129210 41.68200 0.0000

EDUC 0.076171 0.006640 11.47078 0.0000
EXPER 0.019436 0.003308 5.875104 0.0000
EDUC(EXPER-10) 0.010507 0.005804 1.810155 0.0706

R-squared 0.133996     Mean dependent var 6.778873

Adjusted R-squared 0.131200     S.D. dependent var 0.421574
S.E. of regression 0.392947     Akaike info criterion 0.973995
Sum squared resid 143.4445     Schwarz criterion 0.994738
Log likelihood -450.3686     Hannan-Quinn criter. 0.981905
F-statistic 47.91460     Durbin-Watson stat 1.808854
Prob(F-statistic) 0.000000

Kita tulis lagi persamaannya

Log(wage) = β₀ + θ₁educ + β₂educ+ β₃educ(exper-10) + u
dan jalankan log regresi (upah) pada pendidikan, pengalaman, dan pendidikan (pengalaman -
10). Kita lihat koefisien tentang pendidikan. Kita dapatkan θ₁  .0761 and se(θ₁)  0.0066 CI
95% untuk θ₁ adalah sekitar 0,063 hingga 0,089.