SPECIAL LECTURE R & R STUDIO2: REGRESSION ANALYSIS(extended) Essentials of Econometrics 1 기말 숙제 공지(기한 : 2021년 6월 16일, 분량 : A4 6매 이내) 2 ⚫ 배포해준 데이터 중 한국발 화물수송 전체, K항공사 아닌 다른 항공 사의 수요 및 소득의 가격 탄력성을 추정하고, 그 결과를 해석하시 오. - 수업 중의 실습 : y(k항공사 가격) = b1 + b2(k항공사 수요) + b3(k항공 사 빈도) + b4(거리) + b5(한국GDP) + b6(도착국 GDP) + b7(유류가격) + b8(양국간 교역액) + Σbi(지역 더미) - 숙제 a) y(타항공사 가격) = b1 + b2(타항공사 수요) + b3(타항공사 빈도) + b4(거리) + b5(한국GDP) + b6(도착국 GDP) + b7(유류가격) + b8(양 국간 교역액) + Σbi(지역 더미) b) y(전체항공사 가격) = b1 + b2(전체항공사 수요) + b3(전체항공사 빈도) + b4(거리) + b5(한국GDP) + b6(도착국 GDP) + b7(유류가격) + b8(양국간 교역액) + Σbi(지역 더미) - 추정 과정에서 변수의 선정, 함수형태, 다중공선성, 이분산성 등 수업에 서 진행한 내용들을 모두 검토하시오. - 추정 후 결과를 놓고, k항공사, 타항공사, 전체 항공사 간 수요와 운임, 소득과 운임, 유류가격과 운임이 어느 정도 차이가 있는지, 그러한 차이 의 이유는 무엇인지 본인의 견해를 서술하시오. 1. DATA 3 ⚫ Importing data setwd("D:/Dropbox/Alltheway/Y2021/exercise") airrate <- read.csv("H:/exercise/airrate.csv", header=T) View(airrate) 2. ANALYSIS OF VARIABLEs 4 3. ANALYSIS OF VARIABLES 5 ⚫ Making Variables kfreq <- airrate$freq_k kdmd <- airrate$dmd_cgo_k dist <- airrate$dist lf_c <- airrate$lf_cgo poil <- airrate$wti kgdp <- airrate$gdp_k dgdp <- airrate$gdp_coun trade <- airrate$trade kprc <- airrate$prc_k ⚫ Analysis of Variables mean(kprc) var(kprc) var(kprc, kdmd) cor(kprc, kdmd) plot(kprc, kdmd) 4. REGRESSION ANALYSIS 6 ⚫ Ordinary Least Squares plot(???. kprc) model1 <- lm(kprc~kfreq+kdmd+dist+poil+kgdp+dgdp+trade, data=airrate) summary(model1) ⚫ Making dummy variables fra <- ifelse(airrate$city==“FRA”, 1, 0) lon <- ifelse(airrate$city==“LON”, 1, 0) par <- ifelse(airrate$city==“PAR”, 1, 0) vie <- ifelse(airrate$city==“VIE”, 1, 0) atl <- ifelse(airrate$city==“ATL”, 1, 0) chi <- ifelse(airrate$city==“CHI”, 1, 0) dfw <- ifelse(airrate$city==“DFW”, 1, 0) lax <- ifelse(airrate$city==“LAX”, 1, 0) nyc <- ifelse(airrate$city==“NYC”, 1, 0) 4. REGRESSION ANALYSIS 7 ⚫ Restructuring data set airrate_k <- data.frame(kprc=kprc, kfreq=kfreq,….fra=fra,..lax=lax, nyc=nyc) vars <- c("kprc", “kdmd", “kfreq", "dist", "kgdp", "dgdp", "poil", "trade") target <- airrate_k[,vars] pairs(target, main="multi plots") ⚫ OLS with dummy variables model2 <- lm(kprc~kdmd+kfreq+dist+kgdp+dgdp+poil+trade+fra+lon+par+vie+a tl+chi+dfw+lax+nyc, data=airrate_k) summary(model2) ⚫ OLS using Log-linear model with dummy variables model3 <- lm(log(kprc)~log(kdmd)+log(kfreq)+log(dist)+log(kgdp)+log(dgdp)+log( poil)+log(trade)+fra+lon+par+vie+atl+chi+dfw+lax+nyc) summary(model3) 4. REGRESSION ANALYSIS 8 ⚫ Checking Proper Explanatory Variables : Overfitting library(MASS) model4 <- stepAIC(model2) summary(model4) ⚫ Checking multi-collinearity model5 <-lm(dgdp~kdmd+kfreq+dist+kgdp+poil+trade) summary(model5) model6 <-lm(trade~kdmd+kfreq+dist+kgdp+dgdp+poil) summary(model6) plot(trade, kdmd) plot(dgdp, kdmd) plot(trade, dgdp) model7 <- lm(kprc~log(kdmd)+kfreq+dist+kgdp+log(dgdp)+poil+trade+fra+lon+p ar+vie+atl+chi+dfw+lax+nyc) summary(model7) 4. REGRESSION ANALYSIS 9 ⚫ Checking Heteroskedasticity install.packages("lmtest") library(lmtest) bptest(model2) airresi <- model7$residuals var.airrate <- lm(log(airresi^2)~log(kdmd)+log(kfreq)+log(dist)+log(kgdp)+log(dgdp)+ log(poil)+log(trade)+fra+lon+par+vie+atl+chi+dfw+lax+nyc) summary(var.airrate) varfunc <- exp(var.airrate$fitted.values) airrate.gls <- lm(kprc~log(kdmd)+kfreq+dist+kgdp+log(dgdp)+poil+trade+fra+lon+p ar+vie+atl+chi+dfw+lax+nyc, weights=1/sqrt(varfunc)) summary(airrate.gls)

























































































































学霸联盟