B6.1 sadece 1981 yılı için kielmc.raw daki verileri kullanarak aşağıdaki soruları cevap veriniz. Veriler 1981 de Kuzey Andover, massachuaetts’te satılan evlerdir. 1981, yerel çöp yapma fırının kurulmaya başladığı yıldı

library(wooldridge)
data(kielmc)
head(kielmc)

##   year age agesq nbh  cbd intst lintst price rooms area  land baths  dist
## 1 1978  48  2304   4 3000  1000 6.9078 60000     7 1660  4578     1 10700
## 2 1978  83  6889   4 4000  1000 6.9078 40000     6 2612  8370     2 11000
## 3 1978  58  3364   4 4000  1000 6.9078 34000     6 1144  5000     1 11500
## 4 1978  11   121   4 4000  1000 6.9078 63900     5 1136 10000     1 11900
## 5 1978  48  2304   4 4000  2000 7.6009 44000     5 1868 10000     1 12100
## 6 1978  78  6084   4 3000  2000 7.6009 46000     6 1780  9500     3 10000
##      ldist wind   lprice y81    larea    lland y81ldist lintstsq nearinc
## 1 9.277999    3 11.00210   0 7.414573 8.429017        0 47.71770       1
## 2 9.305651    3 10.59663   0 7.867871 9.032409        0 47.71770       1
## 3 9.350102    3 10.43412   0 7.042286 8.517193        0 47.71770       1
## 4 9.384294    3 11.06507   0 7.035269 9.210340        0 47.71770       1
## 5 9.400961    3 10.69195   0 7.532624 9.210340        0 57.77368       1
## 6 9.210340    3 10.73640   0 7.484369 9.159047        0 57.77368       1
##   y81nrinc rprice  lrprice
## 1        0  60000 11.00210
## 2        0  40000 10.59663
## 3        0  34000 10.43412
## 4        0  63900 11.06507
## 5        0  44000 10.69195
## 6        0  46000 10.73640

help(kielmc)

## httpd yardım sunucusu başlatılıyor ... tamamlandı

kielmc Description Wooldridge Source: K.A. Kiel and K.T. McClain (1995), “House Prices During Siting Decision Stages: The Case of an Incinerator from Rumor Through Operation,” Journal of Environmental Economics and Management 28, 241-255. Professor McClain kindly provided the data, of which I used only a subset. Data loads lazily.

Usage data(‘kielmc’) Format A data.frame with 321 observations on 25 variables:

year: 1978 or 1981

age: age of house

agesq: age^2

nbh: neighborhood, 1-6

cbd: dist. to cent. bus. dstrct, ft.

intst: dist. to interstate, ft.

lintst: log(intst)

price: selling price

rooms: # rooms in house

area: square footage of house

land: square footage lot

baths: # bathrooms

dist: dist. from house to incin., ft.

ldist: log(dist)

wind: prc. time wind incin. to house

lprice: log(price)

y81: =1 if year == 1981

larea: log(area)

lland: log(land)

y81ldist: y81*ldist

lintstsq: lintst^2

nearinc: =1 if dist <= 15840

y81nrinc: y81*nearinc

rprice: price, 1978 dollars

lrprice: log(rprice)

kielmc Açıklama Wooldridge Kaynak: K.A. Kiel ve K.T. McClain (1995), “Yer Belirleme Karar Aşamalarında Ev Fiyatları: Operasyon Yoluyla Söylentilerden Bir Yakma Fırını Örneği,” Çevre Ekonomisi ve Yönetimi Dergisi 28, 241-255. Profesör McClain, yalnızca bir alt kümesini kullandığım verileri nazikçe sağladı. Veriler geç yükleniyor.

kullanım veri(‘kielmc’) Biçim 25 değişken üzerinde 321 gözlem içeren bir data.frame:

yıl: 1978 veya 1981

yaş: evin yaşı

yaşq: yaş^2

nbh: mahalle, 1-6

cbd: dist. sente. otobüs. bölge, ft.

ara: uzak. eyaletler arası, ft.

tiftik: günlük(intst)

fiyat: satış fiyatı

odalar: evde # oda

alan: evin kare görüntüleri

arazi: metrekare arsa

banyolar: # banyo

uzak: uzak. evden incin., ft.

ldist: günlük(dist)

rüzgar: prc. zaman rüzgarı inci. eve

lfiyat: günlük(fiyat)

y81: =1 ise yıl == 1981

larea: günlük(alan)

lland: kütük(arazi)

y81ldist: y81*ldist

lintstsq: tiftik^2

yakın yakın: =1 eğer mesafe <= 15840

y81nrinc: y81*inc yakın

fiyat: fiyat, 1978 dolar

fiyat: log(fiyat)

I-) Çöp fırının konumunun ev fiyatları üzrindeki etkisini inçelemek için şu basit modeli ele alalım :

\[log(price)=\beta_0+\beta_1log(dist)+u\] ## Burada price dolar cinsinden evin fiyatı ve dist, ev ile çöp yakma fırını arasındaki adım cinsiden uzaklıktır. Denklemin dikkatli bir biçince yorumlanmasıda çöp yakma fırınında bulunması ev fiyatlarını düşürüyorsa \(\beta_1\)’in işaretini ne beklersiniz? Denklemi tahmin edin ve sonuçları yorumlayınız.

cevap I çöp fırının ev fiyatları üzerinde etkisi negatif olduğu için \(\beta_1\)’ in işareti negatiftir.

basitregresyon  <-  lm(log(price)~  log(dist),data  =  kielmc)
summary(basitregresyon)

## 
## Call:
## lm(formula = log(price) ~ log(dist), data = kielmc)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1.22356 -0.28076 -0.05527  0.27992  1.29332 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  8.25750    0.47383  17.427  < 2e-16 ***
## log(dist)    0.31722    0.04811   6.594 1.78e-10 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.4117 on 319 degrees of freedom
## Multiple R-squared:  0.1199, Adjusted R-squared:  0.1172 
## F-statistic: 43.48 on 1 and 319 DF,  p-value: 1.779e-10

II-) (I) şıkkındaki basit regresyon modeline, log(intst),log(area),log(land),oda sayısı(rooms),banyo sayısı(bad) ve yaş(age) değişkenini ekleyelim burada intst ev ile otoyol arasındaki uzaklık area ,evın adım karesi, land evin kurulu olduğu alanın adım karesi, rooms oda sayısı, bads banyo sayısı, age evin yıl cinsinden yaşıdır şimdi çöp yakma fırının etkileri hakkında nasıl bir sonuca ulaşırsınız I ve II neden birbirleri ile çelişkili sonuçlar verir açıklanyınız.

cevap II

çokluregresyon <- lm(log(price) ~ log(dist)+ log(intst)+ log(area)+ log(land)+ rooms+ baths+ age, data = kielmc)
summary(çokluregresyon)

## 
## Call:
## lm(formula = log(price) ~ log(dist) + log(intst) + log(area) + 
##     log(land) + rooms + baths + age, data = kielmc)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1.35838 -0.18220  0.00115  0.20532  0.82180 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  6.2996586  0.5960546  10.569  < 2e-16 ***
## log(dist)    0.0281887  0.0532130   0.530  0.59667    
## log(intst)  -0.0437804  0.0424359  -1.032  0.30302    
## log(area)    0.5124071  0.0698229   7.339 1.87e-12 ***
## log(land)    0.0782098  0.0337206   2.319  0.02102 *  
## rooms        0.0503129  0.0235113   2.140  0.03313 *  
## baths        0.1070528  0.0352304   3.039  0.00258 ** 
## age         -0.0035630  0.0005774  -6.171 2.10e-09 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.2828 on 313 degrees of freedom
## Multiple R-squared:  0.5925, Adjusted R-squared:  0.5834 
## F-statistic: 65.02 on 7 and 313 DF,  p-value: < 2.2e-16

\[log(price)=\beta_0+\beta_1log(dist)+\beta_2log(intst)+\beta_3log(area)+\beta_4log(land)+\beta_5rooms+\beta_6baths+\beta_7age+u\]

head(kielmc)

##   year age agesq nbh  cbd intst lintst price rooms area  land baths  dist
## 1 1978  48  2304   4 3000  1000 6.9078 60000     7 1660  4578     1 10700
## 2 1978  83  6889   4 4000  1000 6.9078 40000     6 2612  8370     2 11000
## 3 1978  58  3364   4 4000  1000 6.9078 34000     6 1144  5000     1 11500
## 4 1978  11   121   4 4000  1000 6.9078 63900     5 1136 10000     1 11900
## 5 1978  48  2304   4 4000  2000 7.6009 44000     5 1868 10000     1 12100
## 6 1978  78  6084   4 3000  2000 7.6009 46000     6 1780  9500     3 10000
##      ldist wind   lprice y81    larea    lland y81ldist lintstsq nearinc
## 1 9.277999    3 11.00210   0 7.414573 8.429017        0 47.71770       1
## 2 9.305651    3 10.59663   0 7.867871 9.032409        0 47.71770       1
## 3 9.350102    3 10.43412   0 7.042286 8.517193        0 47.71770       1
## 4 9.384294    3 11.06507   0 7.035269 9.210340        0 47.71770       1
## 5 9.400961    3 10.69195   0 7.532624 9.210340        0 57.77368       1
## 6 9.210340    3 10.73640   0 7.484369 9.159047        0 57.77368       1
##   y81nrinc rprice  lrprice
## 1        0  60000 11.00210
## 2        0  40000 10.59663
## 3        0  34000 10.43412
## 4        0  63900 11.06507
## 5        0  44000 10.69195
## 6        0  46000 10.73640

#insanlar evlerinin konforlarını ön planda tuttuklarında çöp yakma fırın zararları göz arda edebilmekte bu yüzden cevap 1 le aralarındaki çelişk bu yüzden kaynaklanır.

III-) (II).şıkdaki modele \([log(ints)]^2\) ekleyiniz. şimdi ne olur modelin fonksiyonel şeklinin önemi hakkında nasıl bir sonuca ulaşırsınız

cevap III

\[log(price)=\beta_0+\beta_1log(dist)+\beta_2log(intst)+\beta_3log(area)+\beta_4log(land)+\beta_5rooms+\beta_6baths+\beta_7age+\beta_8lintstsq+u\]

çokluregresyon2 <- lm(log(price) ~ log(dist)+ log(intst)+ log(area)+ log(land)+ rooms+ baths+ age+lintstsq, data = kielmc)
summary(çokluregresyon2)

## 
## Call:
## lm(formula = log(price) ~ log(dist) + log(intst) + log(area) + 
##     log(land) + rooms + baths + age + lintstsq, data = kielmc)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1.41726 -0.17786  0.01087  0.19286  0.72075 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept) -3.7940563  2.2944105  -1.654  0.09921 .  
## log(dist)    0.1898078  0.0626753   3.028  0.00266 ** 
## log(intst)   1.9031553  0.4302516   4.423 1.34e-05 ***
## log(area)    0.5136595  0.0677282   7.584 3.87e-13 ***
## log(land)    0.1069039  0.0333122   3.209  0.00147 ** 
## rooms        0.0495164  0.0228064   2.171  0.03067 *  
## baths        0.0899004  0.0343809   2.615  0.00936 ** 
## age         -0.0035709  0.0005601  -6.376 6.55e-10 ***
## lintstsq    -0.1128807  0.0248310  -4.546 7.83e-06 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.2743 on 312 degrees of freedom
## Multiple R-squared:  0.6178, Adjusted R-squared:  0.608 
## F-statistic: 63.05 on 8 and 312 DF,  p-value: < 2.2e-16

cevap III

Ev otoyola yakınlaştıkça evin değeri artmaktadır.

IV-) log(dist)’in karesi (III) şıktaki modele eklendiğin anlamlı mıdır?

çokluregresyon3 <- lm(log(price) ~ log(dist)+ log(intst)+ log(area)+ log(land)+ rooms+ baths+ age+lintstsq+I(log(dist)^2), data = kielmc)
summary(çokluregresyon3)

## 
## Call:
## lm(formula = log(price) ~ log(dist) + log(intst) + log(area) + 
##     log(land) + rooms + baths + age + lintstsq + I(log(dist)^2), 
##     data = kielmc)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1.42180 -0.17734 -0.00084  0.19644  0.71819 
## 
## Coefficients:
##                  Estimate Std. Error t value Pr(>|t|)    
## (Intercept)    -1.110e+01  7.004e+00  -1.584  0.11411    
## log(dist)       2.107e+00  1.738e+00   1.212  0.22640    
## log(intst)      1.522e+00  5.515e-01   2.760  0.00612 ** 
## log(area)       5.062e-01  6.804e-02   7.439 9.94e-13 ***
## log(land)       9.699e-02  3.449e-02   2.812  0.00524 ** 
## rooms           4.779e-02  2.285e-02   2.091  0.03732 *  
## baths           8.940e-02  3.437e-02   2.601  0.00974 ** 
## age            -3.524e-03  5.615e-04  -6.276 1.16e-09 ***
## lintstsq       -8.899e-02  3.294e-02  -2.702  0.00728 ** 
## I(log(dist)^2) -1.024e-01  9.282e-02  -1.104  0.27062    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.2742 on 311 degrees of freedom
## Multiple R-squared:  0.6193, Adjusted R-squared:  0.6083 
## F-statistic: 56.22 on 9 and 311 DF,  p-value: < 2.2e-16

#log(dist)’in karesinin p değeri 0.27062’dir.Bu değer (0.1,1]aralığında olduğu için ve anlamlılık değeri olmadığı için istatistisel olarak bir anlamı yoktur.Bu yüzden modele eklemek anlamsızdır.

ÖDEV 5

mert burak yılmaz

2023-01-11

B6.1 sadece 1981 yılı için kielmc.raw daki verileri kullanarak aşağıdaki soruları cevap veriniz. Veriler 1981 de Kuzey Andover, massachuaetts’te satılan evlerdir. 1981, yerel çöp yapma fırının kurulmaya başladığı yıldı

I-) Çöp fırının konumunun ev fiyatları üzrindeki etkisini inçelemek için şu basit modeli ele alalım :

cevap I çöp fırının ev fiyatları üzerinde etkisi negatif olduğu için \(\beta_1\)’ in işareti negatiftir.

cevap II

III-) (II).şıkdaki modele \([log(ints)]^2\) ekleyiniz. şimdi ne olur modelin fonksiyonel şeklinin önemi hakkında nasıl bir sonuca ulaşırsınız

cevap III

cevap III

IV-) log(dist)’in karesi (III) şıktaki modele eklendiğin anlamlı mıdır?