Mister Magoo

Jeg var 8 poeng unna forrige B-grense, men jeg fikk B, så det tyder på at eksamen var veldig vanskelig denne gangen. 

Vi ser på en kortsiktig modell for en liten åpen økonomi med fleksibel valutakurs og konstant pris- og lønnsnivå. Normalt BNP er konstant. Anta at sentralbanken setter ned renten. Det vil gi
a) bedre konkurranseevne og nedgang i BNP.
b) dårligere konkurranseevne og nedgang i BNP.
c) dårligere konkurranseevne og økt BNP.
d) bedre konkurranseevne og økt BNP.
e) Jeg velger å ikke svare.

Dersom jeg bruker formelen for renteparitet: i = gE + i*. gE = i-i* vil jo nominell valutakurs svekkes? La oss si at sentralbanken setter ned renten med 1. gE = -1 - 0 = -1. gE svekkes og kronen appresierer mot utlandets valuta. Det blir dyrere for utlandet å kjøpe kronen, dvs. at konkurranseevnen blir dårligere. Kan noen forklare hva jeg har tenkt feil?

Trenger hjelp med disse to oppgavene. Hvordan finner jeg ut om valutaen til hjemlandet har appresiert eller depresiert reelt? 

 

Oppgave 7) Vår 2013:

Gå ut fra at eurokursen i Sverige er endret fra 9 til 8,91 svenske kroner i løpet av et år. Samtidig har inflasjonsraten vært 1 prosent i Sverige og 3 prosent i Euro-området. Ovenfor eurolandene har da den svenske kronen

 

a) både appresiert nominelt og reelt.

 

b) både depresiert nominelt og reelt.

 

c) appresiert nominelt og depresiert reelt.

 

d) depresiert nominelt og appresiert reelt.

 

Jeg skjønner hvorfor den har appresiert nominelt, men hvorfor har den depresiert nominelt? 

 

Samme med denne oppgaven:

 

Oppgave 9 - Høst 2013:

 

Gå ut fra at eurokursen i Norge er endret fra 7 til 7,28 norske kroner i løpet av et år. Samtidig har inflasjonsraten vært 2 prosent i Norge og 1 prosent i Euro-området. Ovenfor eurolandene har da den norske kronen

 

a) appresiert både nominelt og reelt.

 

b) depresiert både nominelt og reelt.

 

c) appresiert nominelt og depresiert reelt.

 

d) depresiert nominelt og appresiert reelt. 

Dette er IKKE en fasit-utregning, men det er slik jeg tror vår 13 7 regnes ut. Håper noen kan fortelle hva som er galt dersom utregning ikke er riktig.

Nominell:

gE = inflasjon hjemme - inflasjon utlandet. Hjemme er Sverige, utlandet er Euro-området.

gE = 1-3 = -2.

Kursen svekkes, Sveriges valuta blir mer verdt i forhold til Euro-områdets valuta. Sveriges valuta appresierer nominelt mot utlandets.

Reelt:

ge = nominell valutakurs (gE) + inflasjon utlandet - inflasjon hjemme

ge = (8,91-9/9 * 100 = - 1) + 3 - 1 = 1.

Realvalutakursen vil stige, det vil bli dyrere å kjøpe euro for svenskene. Depresiering av den svenske kronen mot euroen.

noen som kan være så snill å hjelpe til med H2015 oppgave 10? 

 

skal finne MPL.. skal man ikke bare derivere mhp. L i telleren og derivere mhp. K i nevneren? 

Arbeidskraftens grenseprodukt = MPL = (1-a) A (K/L)^a

Høst 15 10

MPL = (1-0,3)*5 (K/L)^0,3

MPL = 0,7*5 (K/L)^0,3

MPL = 3,5 (K/L)^0,3

Høst 15, 18)

 

Etter man øker med 100:

 

(100+200)/1-0,75+0,75*0,4*0,25 = 375

 

Etter man øker med 100:

200/1-0,75+0,75*0,4*0,25 = 250

 

Altså en økning på 375-250 = 125

 

(Formelen er fra den lille boken)

Takk for svar!

Når jeg bruker formelen fra hjelper til moderne makro på side 134 får jeg helt feil endring i Y. 

Formel: Endring Y = 1/(1-a) * endring G. Endring G = 100. 1*100/(1-0,75) = 400, noe som er helt feil. Parameteren a er 0,75?

Har noen mulighet til å hjelpe med høst 15 18?

 

1 C, 2 D, 3 B, 4 A, 5 B, 6 A, 7 B, 8 D, 9 A, 10 D, 11 C, 12 B, 13 B, 14 B, 15 C, 16, B, 17 B, 18 A, 19 A, 20 E, 21 E, 22 E, 23 E, 24 B, 25 C, 26 B, 27 D, 28 B, 29 C, 30 B, 31 C, 32 B, 33 C, 34 B, 35 A, 36 D, 37 D, 38 A, 39 B, 40 C, 41 A (den er feil pga. minustegn), 42 D, 43 C, 44 A, 45 E.

 

Usikkerhet rundt mange av svarene.

Mye likt med deg

 

Avvik: 13a,14c, 20c,21,B ,22b,23a,39a(sikkert regne feil fikk dårlig tid).41c, 45e

 

Hvordan fant du 20, 21, 22 og 23? Aldri opplevd å regne ut de før i tidligere eksamen.

1 C, 2 D, 3 B, 4 A, 5 B, 6 A, 7 B, 8 D, 9 A, 10 D, 11 C, 12 B, 13 B, 14 B, 15 C, 16, B, 17 B, 18 A, 19 A, 20 E, 21 E, 22 E, 23 E, 24 B, 25 C, 26 B, 27 D, 28 B, 29 C, 30 B, 31 C, 32 B, 33 C, 34 B, 35 A, 36 D, 37 D, 38 A, 39 B, 40 C, 41 A (den er feil pga. minustegn), 42 D, 43 C, 44 A, 45 E.

Usikkerhet rundt mange av svarene.

De hadde tydeligvis et behov for å endre eksamen dette semesteret.

 

 

 

 

 

 

 

Jeg lurer på en ting her.

 

Vår 2014:

2) hvor stor andel av utvalget er kvinner: riktig svar er 53%. Dette finner vi i utvalgsgjennomsnittet til kvinner (løst i stata)

 

For caset vårt nå.

Så er utvalgsgjennomsnittene:

night: 0,369

morning: 0,168

day: 0,2118

evening: 0,25

 

Her er det 0,369 altså 36,9% på natten. som er det største tallet.  hva betyr dette? Kan vi få spm: hvor stor del av utvalget/ hvor stor del av klikkene er om natten? og da er svaret 36,9%? er det flest klikk på annonsen om natten, mellom 23 og 08? Det syns jeg i så fall er rart..! har noen forklaring på dette? er det jeg som tenker helt feil??

 

Du tenker helt riktig. Det ser man ved å legge sammen night, morning, day og evening. Jeg synes ikke det virker så rart. Folk sitter jo ofte på internett på kvelden, og vi ser at evening følger night med 25%, samt at morning er lavest med 16%. 

 

Det er sant, du sier noe der!

 

Jeg har også enda noe jeg har tenkt litt på. hvis vi ser på Case oppgave E.

De coef. som er negative. feks adsize, master, day, evening. Hvordan tolkes disse?

 

feks adsize: Har adsize en negativ virkning på antall klikk? Jo større adsize, jo mer "negativt" for antall klikk?

 

og master: om det er en masterstudent som ser annonsen er det negativt?

 

 

 

 

Ja, det stemmer! Det er positivt at annonsen vises om morgenen, og følgende er det negativt på dagen og kvelden. Tolker det også som at "Søk da vel" er bedre enn "Vurder å starte". 

 

Men en liten kommentar til Case oppgave E. Her er det jo bare impressions som er signifikant, da betyr det vel at de andre variablene ikke har noen betydning for antall klikk??? :O nå blir jeg forvirra her.

 

Hvis vi ser på oppgave H så tolker jeg effektene (coef.) slik:

Dersom annonsen blir vist på dagen (day) vil antall click øke ettersom effekten til day er positiv. Også er det dette med om variablene er signifikante eller ikke-signifikante. Jeg mener at alle variablene har en effekt på variabelen clicks, men at det kun er impressions som har en signifikant (ikke tilfeldig) og betydningsfull effekt på resultatet (antall clicks). Hva mener dere?

 

Beklager, jeg mente variabelen morning og ikke day (den er negativ).

 

Hvis dere ser på høst 2012:

oppg 15. Så sier de at det er sluttmodellene G og L som skal brukes til å svare på en slik oppgave fordi her er de tatt bort variablene som ikke er signifikante.

 

I vårt case, M, sluttmodell er adsize tatt bort pga det ikke er signifikant. Betyr det at adsize ikke har betynding for antall klikk da? Selv om den er i minus i case E, og tilsier der at den har negativ effekt. Men siden den til slutt ikke er signifikant så har den ingen betydning??

 

I startmodellen M ser du at coef. til adsize er i pluss, dvs. at den i denne modellen har adsize en positiv effekt på lnclicksadj, MEN med dette signfikansnivået som er satt (1%), så er ikke variabelen betydningsfull for lnclicksadj. Selv om variabler har positiv eller negativ effekt på venstresidevariabelen, trenger de ikke å være signifikante eller betydningsfulle for antall clicks. Igjen - min tolkning.

 

 

 

 

 

Jeg lurer på en ting her.

 

Vår 2014:

2) hvor stor andel av utvalget er kvinner: riktig svar er 53%. Dette finner vi i utvalgsgjennomsnittet til kvinner (løst i stata)

 

For caset vårt nå.

Så er utvalgsgjennomsnittene:

night: 0,369

morning: 0,168

day: 0,2118

evening: 0,25

 

Her er det 0,369 altså 36,9% på natten. som er det største tallet.  hva betyr dette? Kan vi få spm: hvor stor del av utvalget/ hvor stor del av klikkene er om natten? og da er svaret 36,9%? er det flest klikk på annonsen om natten, mellom 23 og 08? Det syns jeg i så fall er rart..! har noen forklaring på dette? er det jeg som tenker helt feil??

 

Du tenker helt riktig. Det ser man ved å legge sammen night, morning, day og evening. Jeg synes ikke det virker så rart. Folk sitter jo ofte på internett på kvelden, og vi ser at evening følger night med 25%, samt at morning er lavest med 16%. 

 

Det er sant, du sier noe der!

 

Jeg har også enda noe jeg har tenkt litt på. hvis vi ser på Case oppgave E.

De coef. som er negative. feks adsize, master, day, evening. Hvordan tolkes disse?

 

feks adsize: Har adsize en negativ virkning på antall klikk? Jo større adsize, jo mer "negativt" for antall klikk?

 

og master: om det er en masterstudent som ser annonsen er det negativt?

 

 

 

 

Ja, det stemmer! Det er positivt at annonsen vises om morgenen, og følgende er det negativt på dagen og kvelden. Tolker det også som at "Søk da vel" er bedre enn "Vurder å starte". 

 

Men en liten kommentar til Case oppgave E. Her er det jo bare impressions som er signifikant, da betyr det vel at de andre variablene ikke har noen betydning for antall klikk??? :O nå blir jeg forvirra her.

 

Hvis vi ser på oppgave H så tolker jeg effektene (coef.) slik:

Dersom annonsen blir vist på dagen (day) vil antall click øke ettersom effekten til day er positiv. Også er det dette med om variablene er signifikante eller ikke-signifikante. Jeg mener at alle variablene har en effekt på variabelen clicks, men at det kun er impressions som har en signifikant (ikke tilfeldig) og betydningsfull effekt på resultatet (antall clicks). Hva mener dere?

 

Beklager, jeg mente variabelen morning og ikke day (den er negativ).

 

 

 

 

Jeg lurer på en ting her.

 

Vår 2014:

2) hvor stor andel av utvalget er kvinner: riktig svar er 53%. Dette finner vi i utvalgsgjennomsnittet til kvinner (løst i stata)

 

For caset vårt nå.

Så er utvalgsgjennomsnittene:

night: 0,369

morning: 0,168

day: 0,2118

evening: 0,25

 

Her er det 0,369 altså 36,9% på natten. som er det største tallet.  hva betyr dette? Kan vi få spm: hvor stor del av utvalget/ hvor stor del av klikkene er om natten? og da er svaret 36,9%? er det flest klikk på annonsen om natten, mellom 23 og 08? Det syns jeg i så fall er rart..! har noen forklaring på dette? er det jeg som tenker helt feil??

 

Du tenker helt riktig. Det ser man ved å legge sammen night, morning, day og evening. Jeg synes ikke det virker så rart. Folk sitter jo ofte på internett på kvelden, og vi ser at evening følger night med 25%, samt at morning er lavest med 16%. 

 

Det er sant, du sier noe der!

 

Jeg har også enda noe jeg har tenkt litt på. hvis vi ser på Case oppgave E.

De coef. som er negative. feks adsize, master, day, evening. Hvordan tolkes disse?

 

feks adsize: Har adsize en negativ virkning på antall klikk? Jo større adsize, jo mer "negativt" for antall klikk?

 

og master: om det er en masterstudent som ser annonsen er det negativt?

 

 

 

 

Ja, det stemmer! Det er positivt at annonsen vises om morgenen, og følgende er det negativt på dagen og kvelden. Tolker det også som at "Søk da vel" er bedre enn "Vurder å starte". 

 

Men en liten kommentar til Case oppgave E. Her er det jo bare impressions som er signifikant, da betyr det vel at de andre variablene ikke har noen betydning for antall klikk??? :O nå blir jeg forvirra her.

 

Hvis vi ser på oppgave H så tolker jeg effektene (coef.) slik:

Dersom annonsen blir vist på dagen (day) vil antall click øke ettersom effekten til day er positiv. Også er det dette med om variablene er signifikante eller ikke-signifikante. Jeg mener at alle variablene har en effekt på variabelen clicks, men at det kun er impressions som har en signifikant (ikke tilfeldig) og betydningsfull effekt på resultatet (antall clicks). Hva mener dere?

Økning i totalt antall clicks til annonsen for hver ekstra visning på for eksempel kvelden (evening):

For hver ekstra visning av annonsen på kvelden øker totalt antall clicks til annonsen med 3,8 klikk. Refererer til modell D 9). Har basert oppgaven utifra oppgave høst 14 7. 

Enig?

Hvordan beregner man utvalgskorrelasjonen? feks oppgave V2014, oppgave 16. 

 

Ta utg.pkt i estimerte modellen: 

Salg = b1 + 0.21kostnader, 

 

salg = 43.18  kostnader 21.33. 

 

Hva er utvalgskorrelasjonen mellom salg og kostnader? 

 

Og hva er justert R2?

Korrelasjon = kvadratrot av R^2

Justert R^2 finner du på side 48 i boken som ligger på itslearning.

 

Kan vi tolke resultatet av den beregnede modellen E (etter vi har kjørt den med robuste standardfeil) som at det kun er impressions som har en innvirkning på antall clicks? Da fordi det er den eneste variabelen som står igjen. Prøver å forutse hva som blir det siste spørsmålet om caseoppgavene, da jeg ser at det ofte spørres om "helheten" i hva vi har funnet ut ved å gjennomføre caset (f.eks hva som har en innvirkning på clicks). 

Jeg mener det er slik ja ettersom det er kun impressions som har p-verdi under signifikansnivået (i den beregnede modellen med robust-standardfeil). Dvs. at denne variabelen er signifikant for variabelen clicks (at den har betydning for clicks). Dersom noen mener noe annet er det selvfølgelig bare å rette på meg.

 

Et spørsmål i denne sammenhengen kan være at vi har gjennomført en rekke analyser om hva som bestemmer clicks og at for eksempel impressions er den viktigste forklaringsvariabelen for clicks. Jeg tror at en slik oppgave vil komme.

Kan vi tolke resultatet av den beregnede modellen E (etter vi har kjørt den med robuste standardfeil) som at det kun er impressions som har en innvirkning på antall clicks? Da fordi det er den eneste variabelen som står igjen. Prøver å forutse hva som blir det siste spørsmålet om caseoppgavene, da jeg ser at det ofte spørres om "helheten" i hva vi har funnet ut ved å gjennomføre caset (f.eks hva som har en innvirkning på clicks). 

Jeg mener det er slik ja ettersom det er kun impressions som har p-verdi under signifikansnivået (i den beregnede modellen med robust-standardfeil). Dvs. at denne variabelen er signifikant for variabelen clicks (at den har betydning for clicks). Dersom noen mener noe annet er det selvfølgelig bare å rette på meg.

Lurer litt på oppg 34 vår 2015. Om effekten av snømengde har lineær effekt eller ikke. Noen som vil forklare dette? Takk :-)

Jeg lurer også på denne, så hadde vært fint om noen kunne svart om de kan den.

 

 

 

 

 

Hva har dere som R-squared på oppgave m. Står selv med 0,6510. Hvis vi skal finne f-verdien mellom j og m med restriksjoner så vil jo den bli 0? Noen som har noen god forklaring på dette? Betyr dette at ved å fjerne adsize som variabel så vil ikke R-squared endre seg fordi adzie ikke forklarer noen spesielt?

 

Eller har jeg bare løst casen helt feil.

Fått det samme, du har ikke gjort feil i caset, men lurer på hvorfor det blir sånn selv

Det er L-modellen i caset som kan teste om feilleddet i modell J er heteroskedastisk eller ikke. Da blir 0,2163 R^2uten restriksjoner og 0 blir R^2med restriksjoner ettersom nullhypotesen inneholder akkurat samme variabler som i modell J. Dersom en av variablene utelukkes fra nullhypotesen, finner man R^2med restriksjoner i regress med venstresidevariabel og den utelukkede høyresidevariabelen. Det er forresten unødvendig å regne ut testverdien for hånd ettersom den står i F (df, n-k) oppe i høyre hjørne i testmodellen. Den blir 65,78 i denne testen.

Så det er altså ingen vits å finne F-verdien mellom foreks: h og E. Hvis du ser på eksamen 2015 H så har de gjort dette, men vi slipper å gjøre dette grunnet den er hertrosked? har jo muligheter til å finne disse test verdiene før eksamen tenkte jeg.

 

Det er aktuelt å finne F-verdien for de ulike testene. Vi vet jo utifra caset at både modell E og modell J har feilledd med heteroskedastisitet. Disse måtte dermed bli beregnes på nytt med Robust-standardfeil i henholdsvis modell H og modell M. I forhold til caset kan modell G teste modell E for hetero, det samme med modell L for modell J. F-verdien for testene står i modell G (16,98) og modell L (65,78), så de trenger ikke å bli regnet ut for hånd, slik en må gjøre i tester som ikke er tilknyttet STATA. 

 

 

 

For å finne t-verdiene forbundet med disse testverdiene, og konkludere om det er heteroskedastisitet eller ikke - regner man ut de kritiske for forhånd da? Men antall df og ser på de vanlige signifikantnivåene. Jeg fikk ihvertfall at i begge to forkastes H0 og det er heteroskedastisitet. Stemmer dette? 

 

I Caset er skal testen E være med 10 % sig-nivå, test G skal være med 1 %. Begge har testverdier over kritisk verdi på henholdsvis 10 og 1 %, men jeg mener at resultatet fortsatt skal være heteroskedastisitet på begge testene om de også ble testet på 5 % og 1 % (E) og 10 % og 5 % (G). 

 

 

 

Hva har dere som R-squared på oppgave m. Står selv med 0,6510. Hvis vi skal finne f-verdien mellom j og m med restriksjoner så vil jo den bli 0? Noen som har noen god forklaring på dette? Betyr dette at ved å fjerne adsize som variabel så vil ikke R-squared endre seg fordi adzie ikke forklarer noen spesielt?

 

Eller har jeg bare løst casen helt feil.

Fått det samme, du har ikke gjort feil i caset, men lurer på hvorfor det blir sånn selv

Det er L-modellen i caset som kan teste om feilleddet i modell J er heteroskedastisk eller ikke. Da blir 0,2163 R^2uten restriksjoner og 0 blir R^2med restriksjoner ettersom nullhypotesen inneholder akkurat samme variabler som i modell J. Dersom en av variablene utelukkes fra nullhypotesen, finner man R^2med restriksjoner i regress med venstresidevariabel og den utelukkede høyresidevariabelen. Det er forresten unødvendig å regne ut testverdien for hånd ettersom den står i F (df, n-k) oppe i høyre hjørne i testmodellen. Den blir 65,78 i denne testen.

Så det er altså ingen vits å finne F-verdien mellom foreks: h og E. Hvis du ser på eksamen 2015 H så har de gjort dette, men vi slipper å gjøre dette grunnet den er hertrosked? har jo muligheter til å finne disse test verdiene før eksamen tenkte jeg.

 

Det er aktuelt å finne F-verdien for de ulike testene. Vi vet jo utifra caset at både modell E og modell J har feilledd med heteroskedastisitet. Disse måtte dermed bli beregnes på nytt med Robust-standardfeil i henholdsvis modell H og modell M. I forhold til caset kan modell G teste modell E for hetero, det samme med modell L for modell J. F-verdien for testene står i modell G (16,98) og modell L (65,78), så de trenger ikke å bli regnet ut for hånd, slik en må gjøre i tester som ikke er tilknyttet STATA. 

 

Høst 14 34:

Er det noen som vet hvorfor 0,01(oljepris_t-1 - 80) ikke skal være med i utregningen?

 

Det er fordi denne heter oljepris_t-1, noe som betyr at du skal sette inn oljeprisen for året før, altså 80. Da forsvinner den 

 

Takk!

 

 

På stata, hvordan kan man lese av korrelasjon? Eller hvor står det hen?

Vi har jo regnet ut utvalgskorrelasjonen i oppgave C, men det finnes en annen måte å se den på: Dersom du kjører regress på venstresidevariabel og kun en høyresidevariabel (slik vi har gjort i oppgave D 2-9) vil du se at det står en R-squared i høyre hjørne. Utvalgskorrelasjonen = kvadratroten av R-squared.

 

Thank u 

 

Ikke noe problem! 

 

Hva har dere som R-squared på oppgave m. Står selv med 0,6510. Hvis vi skal finne f-verdien mellom j og m med restriksjoner så vil jo den bli 0? Noen som har noen god forklaring på dette? Betyr dette at ved å fjerne adsize som variabel så vil ikke R-squared endre seg fordi adzie ikke forklarer noen spesielt?

 

Eller har jeg bare løst casen helt feil.

Fått det samme, du har ikke gjort feil i caset, men lurer på hvorfor det blir sånn selv

 

Det er L-modellen i caset som kan teste om feilleddet i modell J er heteroskedastisk eller ikke. Da blir 0,2163 R^2uten restriksjoner og 0 blir R^2med restriksjoner ettersom nullhypotesen inneholder akkurat samme variabler som i modell J. Dersom en av variablene utelukkes fra nullhypotesen, finner man R^2med restriksjoner i regress med venstresidevariabel og den utelukkede høyresidevariabelen. Det er forresten unødvendig å regne ut testverdien for hånd ettersom den står i F (df, n-k) oppe i høyre hjørne i testmodellen. Den blir 65,78 i denne testen.

På stata, hvordan kan man lese av korrelasjon? Eller hvor står det hen?

Vi har jo regnet ut utvalgskorrelasjonen i oppgave C, men det finnes en annen måte å se den på: Dersom du kjører regress på venstresidevariabel og kun en høyresidevariabel (slik vi har gjort i oppgave D 2-9) vil du se at det står en R-squared i høyre hjørne. Utvalgskorrelasjonen = kvadratroten av R-squared.

Høst 14 34:
Er det noen som vet hvorfor 0,01(oljepris_t-1 - 80) ikke skal være med i utregningen?

Kan noen forklare meg V2014 oppg 39?

Det er stigningtallet(ene) som må være 0 for at det skal forekomme ingen heteroskedastisitet (og dermed homoskedastisitet). Men i påstand D er det konstantleddet, ikke stigningstallet, som er 0, og den påstanden blir dermed gal. Hadde A2 vært lik 0 ville feilleddet blitt homoskedastisk.