1.  Wooldridge Chp 9 Q1

In Problem 11 in Chapter 4, the R-squared from estimating the model

log(salary) =  F0  +  F1 log(sales ) +  F2 log(mktval) +  F3profmarg +  F4 ceoten

+  F5 comten + u

using the data in CEOSAL2 was R2  = 0.353 (n = 177) . When ceoten2 and comten2 are added, R2  = 0.375 . Is there evidence of functional form misspecification in this model?

2.  Wooldridge Chp 9 Q4 - amended

The following equation explains weekly hours of television viewing by a child in terms of the child’s age, mother’s education, father’s education, and number of siblings:

tvhours∗  =  F0  +  F1 age +  F2 age2  +  F3motheduc +  F4fatheduc +  F5 sibs + u

We are worried that tvhours* is measured with error in our survey. Let tvhours denote the reported hours of television viewing per week.

(i)       What assumptions do we need to place on the measurement error in tvhours, call it e0 , in order for our OLS estimators of F0 , F1, … , F5  to be unbiased and    consistent?

(ii)       Now, we are interested in a different model:

uniwAM =  F0  +  F1 hswAM +  F2ATAR +  F3 attend +  F4 tvhours∗  + u        Here we expect that weekly hours of television viewing may have an impact on university academic outcomes.  Do you think the CEV assumptions are likely to hold? Explain.

3.  Wooldridge Chp 9 Q5

In Example 4.4, we estimated a model relating number of campus crimes to student    enrollment for a sample of colleges. The sample we used was not a random sample of colleges in the United States, because many schools in 1992 did not report campus    crimes. Do you think that college failure to report crimes can be viewed as exogenous sample selection? Explain.

4.  Wooldridge Chp 9 C4

Use the data for the year 1990 in INFMRT for this exercise.

(i)        Re-estimate equation (9.43), but now include a dummy variable for the            observation on the District of Columbia (called DC). Interpret the coefficient on DC and comment on its size and significance.

(ii)       Compare the estimates and standard errors from part (i) with those from

equation (9.44). What do you conclude about including a dummy variable for a single observation?