• You will be submitting two parts combined in one pdf file.  The first part will consists of your interpretation, proofs/derivations and answers to the questions which have been asked. This part must be typed up. The second part will be a Stata log file which will show all your code and the output you get from running your code. The results are the most important thing and hence should be read- able. All variables should have discernable labels in them, so that the tables are readable by anyone in your log file.

• Submitted problem sets which do not follow this format, or miss to submit one of the above two parts in their pdf file, will not get any credit.

• If you have any questions regarding the PS, or request for extension under ex- tenuating circumstances, please email Seth or Tanvir.

In this problem set you will have to be a bit entrepreneurial.

Problem 1 We will run the fixed effects regression in different ways here.  Pick any micro level panel data set that you like.  You can use from Wooldridge datasets by searching for them on Google.  So your data should be at the unit-time level (where a unit i could be an individual or a firm observed over t time periods). You may have to create a variable which is a unit id, if the data does not have one for you to tell Stata which variable’s fixed effect to rake into account. Consider a model in which

Yit  = β 0 + β1Xit + µi + eit

Use Xit as controls of your choice which vary by both i and t. µi is the unit level fixed effect and is hence time invariant.

(a) Tell Stata what the panel variable (time variable) is by using xtset  . Run fixed effects estimation by running xtreg  command in Stata with the op- tion fe

(b) Repeat the above, but now cluster the standard errors at the unit level

(c) Now generate de-meaned variables (Yit − i ) and (Xit − X¯ i). You are aver- aging the variables by i across the time periods that they are observed. Use commands bysort  and egen  to generate these averages. Then subtract these averages from the variables to create the de-meaned variables. Now regress (Yit − i ) on (Xit − X¯ i)