For this project, you will work any dataset you like, however, it must contain at least 5 different predictors and one response variable (continuous). Your task will be to produce a descriptive model and summary of findings based on your hypothesis by following the steps outlined below. There are many publicly available datasets through Google DataSet Search, Kaggle, AER - base R datasets, etc

1.  Briefly discuss the question you are trying to answer with your model.

2.  Give a description of your dataset including:

(a)  Citing the dataset

(b)  A summary of what the dataset is about

(c)  Descriptive analysis of your variables. This should include histograms with fitted distributions and correlation matrix, and the five number summary (which can be accompanied by a boxplot). All figures must include comments including, but not limited to, the distribution, central tendency and dispersion of the variables.

(d)  Possible violation of the regression assumptions.

3.  Estimate a multiple linear regression model that includes main effects only (i.e.  no interactions or higher order terms). This is our baseline model.

(a)  Comment on the statistical and economic significance of your individual estimates

and provide an interpretation of the estimates obtained.  Include any anomalies present if any such as unrealistic magnitudes, unexpected signs, etc.

(b)  Comment on the overall fit of the model and how 1(d) might interfere with this.

Comment also on the overall statistical significance of the model. FEATURE SELECTION

4.  Test the model in (3) for multicollinearity using VIF. Based on this test remove remove the appropriate variables and estimate a new regression model based on these findings. Be sure to justify your reason/criteria for removal.