Kiel ve McClain (1995), yeni bir çöp yakma fırınının North Andover, Massachusetts’teki ev fiyatları üzerindeki etkisini araştırmış.
North Andover’de bir fırın yapılacağı dedikodusu 1978’de başlamış.
İnşaat 1981’de başlamış.
Fırının inşaat başladıktan kısa bir süre sonra çalışmaya başlayacağı beklenilsede, fırın 1985’de kullanılmaya başlanmış.
Örnek 1978’de satılan evlerin fiyatları ve 1981’de satılan evler için başka bir örnek kullanıyor.
Hipotez, fırının yakınındaki evlerin fiyatlarının daha uzaktaki evlerin fiyatlarına göre düşeceğidir.
Yakınlık, uzaklık tanımı olarak fırının etrafındaki üç millik alan fırına yakın olarak tanımlanmış. (Her evin fırına gerçek uzaklığı da kullanılabilir.)
Her ev fiyatı reel değerler üzerinden ölçülmektedir. Boston ev fiyatları endeksi kullanılarak, 1978 doları cinsinden ölçülmüştür.
rprice gerçek (reel) fiyatlarla ev fiyatını ifade etmektedir.
İlk olarak sadece 1981 verilerini kullanarak aşağıdaki model tahmin edilmiş.
"rpice = y0 + y1nearinc"## [1] "rpice = y0 + y1nearinc"nearinc, ev fırınına yakınsa bir, uzaksa sıfır değeri alan kukla değişkendir. bu modeli tahmin etmeden tabiki verileree bir göz atalım. kielmc veri setini kullanıyoruz.
library(wooldridge)
library(rmarkdown)
data("kielmc")
paged_table(kielmc)library(rmarkdown)
paged_table(kielmc)1981 yılı için basit regresyonu gösterin, model_81 olarak adlandırın. önce veri setini 1981 yılı için filtreleyelim ve yeni verisetine kielmc81 diyelim.
require(dplyr)## Loading required package: dplyr##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, uniondata("kielmc")kielmc %>%
group_by(year)## # A tibble: 321 × 25
## # Groups: year [2]
## year age agesq nbh cbd intst lintst price rooms area land baths
## <int> <int> <dbl> <int> <dbl> <dbl> <dbl> <dbl> <int> <int> <dbl> <int>
## 1 1978 48 2304 4 3000 1000 6.91 60000 7 1660 4578 1
## 2 1978 83 6889 4 4000 1000 6.91 40000 6 2612 8370 2
## 3 1978 58 3364 4 4000 1000 6.91 34000 6 1144 5000 1
## 4 1978 11 121 4 4000 1000 6.91 63900 5 1136 10000 1
## 5 1978 48 2304 4 4000 2000 7.60 44000 5 1868 10000 1
## 6 1978 78 6084 4 3000 2000 7.60 46000 6 1780 9500 3
## 7 1978 22 484 4 4000 2000 7.60 56000 6 1700 10878 2
## 8 1978 78 6084 4 3000 2000 7.60 38500 6 1556 3870 2
## 9 1978 42 1764 4 3000 2000 7.60 60500 8 1642 7000 2
## 10 1978 41 1681 4 3000 2000 7.60 55000 5 1443 7950 2
## # ℹ 311 more rows
## # ℹ 13 more variables: dist <dbl>, ldist <dbl>, wind <int>, lprice <dbl>,
## # y81 <int>, larea <dbl>, lland <dbl>, y81ldist <dbl>, lintstsq <dbl>,
## # nearinc <int>, y81nrinc <int>, rprice <dbl>, lrprice <dbl>kielmc81 <- kielmc %>% filter(year == 1981)kielmc81 veri setini kullanarak basit regresyonu yapalım.
model_81 <- lm(formula = kielmc81$rprice ~ kielmc81$nearinc)
summary(model_81)##
## Call:
## lm(formula = kielmc81$rprice ~ kielmc81$nearinc)
##
## Residuals:
## Min 1Q Median 3Q Max
## -60678 -19832 -2997 21139 136754
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 101308 3093 32.754 < 2e-16 ***
## kielmc81$nearinc -30688 5828 -5.266 5.14e-07 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 31240 on 140 degrees of freedom
## Multiple R-squared: 0.1653, Adjusted R-squared: 0.1594
## F-statistic: 27.73 on 1 and 140 DF, p-value: 5.139e-07denklemin sonucu
"rprice=101,308-30,688nearinc"## [1] "rprice=101,308-30,688nearinc"kesim parametresi 101,308 fırından uzak evlerin ortalama fiyatı, nearinc katsayısı ise fırına yakın evlerin bu ortalama fiyattan ne kadar az olduğudur.
aynı regresyonu 1978 için yapmak istersek,sadece1978 değerlerinin olduğu yeni bir veri seti yaratabiliriz.
kielmc78 <- kielmc %>% filter(year == 1978)1978 için regresyon sonuçları.
model_78 <- lm(formula = kielmc78$rprice ~ kielmc78$nearinc)
summary(model_78)##
## Call:
## lm(formula = kielmc78$rprice ~ kielmc78$nearinc)
##
## Residuals:
## Min 1Q Median 3Q Max
## -56517 -16605 -3193 8683 236307
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 82517 2654 31.094 < 2e-16 ***
## kielmc78$nearinc -18824 4745 -3.968 0.000105 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 29430 on 177 degrees of freedom
## Multiple R-squared: 0.08167, Adjusted R-squared: 0.07648
## F-statistic: 15.74 on 1 and 177 DF, p-value: 0.0001054denklemin sonucu
"rprice=82,517-18,824nearinc"## [1] "rprice=82,517-18,824nearinc"burdan fırının ev fiyatlarının düşük olan yere yapıldığını anlarız. yeni fırının ev fiyatlarını azaltıp azaltmadığını, iki regresyonun “y1” katsayıları arasındaki farkı alarak anlarız.
bu iki regresyonu tek bir regresyon üzerinden yapmak daha anlamlı olacaktır.
model_78_81 <- lm(kielmc$rprice~kielmc$nearinc*kielmc$y81)
summary(model_78_81)##
## Call:
## lm(formula = kielmc$rprice ~ kielmc$nearinc * kielmc$y81)
##
## Residuals:
## Min 1Q Median 3Q Max
## -60678 -17693 -3031 12483 236307
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 82517 2727 30.260 < 2e-16 ***
## kielmc$nearinc -18824 4875 -3.861 0.000137 ***
## kielmc$y81 18790 4050 4.640 5.12e-06 ***
## kielmc$nearinc:kielmc$y81 -11864 7457 -1.591 0.112595
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 30240 on 317 degrees of freedom
## Multiple R-squared: 0.1739, Adjusted R-squared: 0.1661
## F-statistic: 22.25 on 3 and 317 DF, p-value: 4.224e-13