library(wooldridge)
## Warning: package 'wooldridge' was built under R version 4.1.3
library(rmarkdown)
## Warning: package 'rmarkdown' was built under R version 4.1.3

SORU 6.1 Sadece 1981 yılı için ,KİELMC.RAW, daki verileri kullanılarak aşağıdaki soruları cevap veriniz.1981,da kuzey Andover, Massachusetts,te satılan evlerdir.1981, yerel çöp yakma fırının kurtulmaya başlandığı yıldı.

data(kielmc)
paged_table(kielmc)

Soru 6.1.1.A. Çöp fırının konumunun ev fiyatları üzerindeki etkisini incelemek için şu basit modeli ele alalım

CEVAP 6.1.A

\[ log(price) = \beta_0 + \beta_1 log(dist) + u \]

6.1.B. beta 1 Burada price dolar cinsinden evin fiyatı ve dist, ev ile çöp yakma fırını arasındaki adım cinsinden uzaklıktır. Denklemin dikkatli biçimde yorumlanmasında çöp yakma fırınının bulunması ev fiyatlarını düşürüyorsa B1işaretini ne beklerseniz?

CEVAP 6.1.B B1 işareti negetiftir.

soru 6.1..C Deklemin tahmin edin ve sonuçları yorumlayın

cevap 6.1.C

model1<- lm(log(price)~log(dist), data = kielmc)
summary(model1)
## 
## 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

yorUm

Evin Çöp yakma fırının yakınsa ev fıyatların %31 artar.

soru 6.1.2 (6.1.1)şıkkındaki basit regresyon modeline log(intst) ,log(area),log(land),oda sayısı (rooms),banyo sayısı (baths) ve yaş (age)değişkenin ekliyim.Burada intst ,ev ile otoyol arasındaki uzaklık; area, evin adım karesi; land, evin kurulu olduğu alanın adım Karesi, rooms,oda sayısı; ages, evin yıl cinsinden yaşıdır. Şimdi çöp yakma fırınının etkileri hakkında nasıl bir sonuca ulaşırsınız?

CEVAP

Model2<- lm(log(price)~log(dist)+log(intst)+log(area)+log(land)+rooms+baths+age, data = kielmc)
summary(Model2)
## 
## 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

cevap (ii)Yorum

Evin çöp yakma fırının bulunması evin fiyatı %2 artar ama düşük seviyede artmış gösteriyorur

Soru 6.1.3 :(6.1.2)Şıktakı modele (log(intst))^2 ekleyiniz. Şimdi ne olur? modelin fonsiyonel seklinin önemi hakında nasıl bir sonuca ulaşırsınız?

##cevap:

model3<- lm(log(price)~log(dist)+lintst+lintstsq+log(area)+log(land)+rooms+baths+age, data = kielmc)
summary(model3)
## 
## Call:
## lm(formula = log(price) ~ log(dist) + lintst + lintstsq + log(area) + 
##     log(land) + rooms + baths + age, data = kielmc)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1.41716 -0.17776  0.01025  0.19295  0.72087 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept) -3.7916186  2.2956025  -1.652  0.09960 .  
## log(dist)    0.1897789  0.0626879   3.027  0.00267 ** 
## lintst       1.9026578  0.4304874   4.420 1.37e-05 ***
## lintstsq    -0.1128527  0.0248446  -4.542 7.96e-06 ***
## log(area)    0.5137109  0.0677316   7.585 3.86e-13 ***
## log(land)    0.1068860  0.0333137   3.208  0.00147 ** 
## rooms        0.0494857  0.0228076   2.170  0.03078 *  
## baths        0.0898826  0.0343833   2.614  0.00938 ** 
## age         -0.0035701  0.0005601  -6.374 6.62e-10 ***
## ---
## 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: 63.04 on 8 and 312 DF,  p-value: < 2.2e-16

Yorum

modelin fonsiyonel seklinin Daha mentaklı sonuçlar göserilmiş.

soru 6.1.4 log(dist) karesi modelin ekleyin. şıktakı modele eklendiğin anlamlı mıdır?

CEVAP

model4<- lm(log(price)~log(dist)+I(ldist^2)+lintst+lintstsq+log(area)+log(land)+rooms+baths+age, data = kielmc)
summary(model4)
## 
## Call:
## lm(formula = log(price) ~ log(dist) + I(ldist^2) + lintst + lintstsq + 
##     log(area) + log(land) + rooms + baths + age, data = kielmc)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1.42171 -0.17728 -0.00087  0.19645  0.71830 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept) -1.110e+01  7.006e+00  -1.585  0.11407    
## log(dist)    2.109e+00  1.739e+00   1.213  0.22614    
## I(ldist^2)  -1.026e-01  9.286e-02  -1.104  0.27029    
## lintst       1.521e+00  5.520e-01   2.755  0.00622 ** 
## lintstsq    -8.891e-02  3.297e-02  -2.697  0.00739 ** 
## log(area)    5.062e-01  6.805e-02   7.439 9.94e-13 ***
## log(land)    9.696e-02  3.449e-02   2.811  0.00525 ** 
## rooms        4.776e-02  2.285e-02   2.090  0.03743 *  
## baths        8.939e-02  3.437e-02   2.600  0.00976 ** 
## age         -3.524e-03  5.615e-04  -6.275 1.17e-09 ***
## ---
## 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: 56.21 on 9 and 311 DF,  p-value: < 2.2e-16

\[ log(price) = -1.11 +2.11log(dist) -1.03log(dist^2)+1.52log(intst)-8.9log(intst^2)+5.06log(area)+9.70log(land)+4.78rooms+8.942baths-3.52age \]

Yorum /Cevap

log(dist) kare modelin eklendiğinde evin Çöp fırının yakınsa ev fiyatları %1.02 azalış gösteriyor, bir de modelin genel olarak daha mentaklı sonuçlar verilmiş o yüzden modelin verdiği souçları bakıldığında modelin anlamlıdır.