Untitled

##CEO MAASI VE ÖZ SERMAYA GETİRİSİ Üst düzey yönetecilerden oluşan anakütle için,y yıllık maaş (salary) bin dolar olsun.Böylece, y=856,3 ise,856,300$’lık yıllık bir maaşı ve y=1.452,6 ise 1.452,600’lık yıllık maaşı göstermektedir. x önceki yıl için CEO’nun firma için ortalama özsermayenin bir yüzdesi olarak net gelire göre tanımlanmaktadır. örneğin , roe=10 ise ortalama özsermaye getirisi %10’dur.Firma performansıın bu ölçüsü ile CEO maaşı arasındaki ilişkiyi incelemek için basit bir modeli : $$salary={\mathrm{\beta <!--\; \beta \; -->}}_0+{\mathrm{\beta <!--\; \beta \; -->}}_{1}roe+u$$

olarak varsayalım.

library(wooldridge)
data("ceosal1")

##Ceosal veri seti

library(rmarkdown)
paged_table(ceosal1)

##Ortalama en küçük ve en büyük değerler: ##ortalama maaş

mean(ceosal1$salary)

## [1] 1281.12

en küçük ve en büyük maaş:

min(ceosal1$salary)

## [1] 223

max(ceosal1$salary)

## [1] 14822

#OZSERMAYE(ROE) ORTALAMA EN BÜYÜK VE EN KÜÇÜK DEĞERLER ##ortalama özsermaye

mean(ceosal1$roe)

## [1] 17.18421

##en küçük ve en büyük öz sermaye

min(ceosal1$roe)

## [1] 0.5

max(ceosal1$roe)

## [1] 56.3

##ÖRNEK 2.3 SEKK REGRESYON DOĞRUSU:

lm(salary ~ roe, data = ceosal1)

## 
## Call:
## lm(formula = salary ~ roe, data = ceosal1)
## 
## Coefficients:
## (Intercept)          roe  
##       963.2         18.5

roe 0 ise maaş 1000 dolar ile ölçüldüğünden, kesim parametresi . $ber{a}_0$ , 963,191 dolara eşit olur Özsermaye getirisi %1 puan artarsa, maaş 18,500 dolar değişecektir. ##Tahmin roe=30 ise maaş ne olur ? $$\stackrel{^<!--\; ^\; -->}{salary}=963,191+18,501\cdot <!--\; \cdot \; -->30=1,518,221$$ ##ORNEK 2.4 UCRET VE EGITIM:

data(wage1)

##ORTALAMA UCRET

mean(wage1$wage)

## [1] 5.896103

##sekk ikinci yöntem

lm(wage1$wage ~ wage1$educ)

## 
## Call:
## lm(formula = wage1$wage ~ wage1$educ)
## 
## Coefficients:
## (Intercept)   wage1$educ  
##     -0.9049       0.5414

8 yıllık eğitim almış bir kişinin tahmini ücreti -90+0.54.(8)=3.42 526 birimlik bir örneklemde sadece 18 kişinin,sekiz yıllık eğitimden daha az bir eğitime sahip olduğu anlaşılmaktadır. ##ORNEK 2.5 OYLAMA SONUÇLARI VE KAMPANYA HARCAMALARI 1988’de ABD Temsilcileri Meclisinin 173 iki partili yarışları için seçim sonuçları ve kampanya harcamaları ile ilgili verileri içermektedir.Her yarışta A ve B olan ıkı aday vardır.A adayı tarafından alınan oyun yüzdesi voteA ve A adayo tarafından açıklanan toplam kampanya harcamalarının yüzdesi shareA olsun.shareA’dan başka bir çok faktör seçim sonucunu etkilemektedir.(adayların kalitesi ve mümkün olduğunca A ve B tarafından harcanan dolar miktarı dahil). Yine de birinin rakibine göre daha fazla harcamasının daha yüksek bir oy yüzdesi anlamına gelip gelmediğini öğrenmek için basit bir regresyon modeli tahmin edebiliriz. 173 gözlem kullanılarak tahmin edilmiş denklem : voteA=26,81+0.464 shareA

data(vote1)
lm(vote1$voteA ~ vote1$shareA)

## 
## Call:
## lm(formula = vote1$voteA ~ vote1$shareA)
## 
## Coefficients:
##  (Intercept)  vote1$shareA  
##      26.8122        0.4638

##ORNEK 2.6 ILK 15 CEO ICIN TEORIK DEGERLER VE ARTIKLAR TABLOSU salary=963,191+18,601. roe

roe_15 <- ceosal1$roe[1:15]
roe_15

##  [1] 14.1 10.9 23.5  5.9 13.8 20.0 16.4 16.3 10.5 26.3 25.9 26.8 14.8 22.3 56.3

CEO SEKK regresyon doğrusunda görülebildiği gibi 15. ceo öngörülenden daha fazla kazanmaktadır. Aynı işlemi salary içinde yapalım:

salary_15 <- ceosal1$salary[1:15]
salary_15

##  [1] 1095 1001 1122  578 1368 1145 1078 1094 1237  833  567  933 1339  937 2011

Bu iki işlemi birleştirip bir tabloda gösterelim:

Tablo2_2 <- cbind(roe_15, salary_15)
Tablo2_2

##       roe_15 salary_15
##  [1,]   14.1      1095
##  [2,]   10.9      1001
##  [3,]   23.5      1122
##  [4,]    5.9       578
##  [5,]   13.8      1368
##  [6,]   20.0      1145
##  [7,]   16.4      1078
##  [8,]   16.3      1094
##  [9,]   10.5      1237
## [10,]   26.3       833
## [11,]   25.9       567
## [12,]   26.8       933
## [13,]   14.8      1339
## [14,]   22.3       937
## [15,]   56.3      2011

Ve bu iki stüne birde üçüncü stünu ekleyelim:

Tablo2_2 <- cbind(salaryhat <- 963.191 + 18.501 * roe_15)

Tabloya birde dördüncü stünu ekleyelim.

uhat <- salary_15 - salaryhat

Tablo2_2 <- cbind(roe_15, salary_15, salaryhat, uhat)

Tabloya 3. ve 4. stünları ekledikten sonraki son hali roe_15 salary_15 salaryhat uhat [1,] 14.1 1095 1224.055 -129.055107 [2,] 10.9 1001 1164.852 -163.851893 [3,] 23.5 1122 1397.965 -275.964500 [4,] 5.9 578 1072.347 -494.346902 [5,] 13.8 1368 1218.505 149.495196 [6,] 20.0 1145 1333.211 -188.211000 [7,] 16.4 1078 1266.607 -188.607393 [8,] 16.3 1094 1264.757 -170.757286 [9,] 10.5 1237 1157.452 79.548500 [10,] 26.3 833 1449.767 -616.767286 [11,] 25.9 567 1442.367 -875.366893 [12,] 26.8 933 1459.018 -526.017786 [13,] 14.8 1339 1237.006 101.994196 [14,] 22.3 937 1375.763 -438.763286 [15,] 56.3 2011 2004.797 6.202714