問題集1

はじめに

• この課題は3人までのグループで協力してもよい．その場合は，協力した2人の名前を答案に記載すること．
• 分析結果が採点者の手元で再現できるようにプログラムのコードも提供すること．
• 答案をR Markdownを使ってHTMLにレンダリングしたものを提出した場合は10点加点する．
• 答案をR Markdownを使ってPDFにレンダリングしたものを提出した場合は20点加点する．

1. データ

次のコードを実行して，従業員の賃金に関するサンプルデータをテージフレームとしてインポートしてください．

gd_data <- readr::read_csv("https://glassdoor.box.com/shared/static/beukjzgrsu35fqe59f7502hruribd5tt.csv")

変数の定義は変数名やカテゴリ名から読み取れる通りです．ただし，basePayとbonusの単位はドルとします．

2. データクリーニング

2.1 女性ダミー（5pts）

genderという変数から，女性ダミー変数（female）をデータフレームに追加してください．

2.2 character型をfactor型に変換（5pts）

その他のカテゴリ変数を回帰分析で用いられるように，factor型に変換してください．

2.3 従属変数の作成（5pts）

basePayとbonusの合計の対数を取ったものを，lsalaryとしてデータフレームに追加してください．

3. 要約統計量 (5pts)

各変数の要約統計量をテーブルにまとめなさい．何か特徴があれば指摘しなさい．

4. 賃金ジェンダーギャップの推定（5pts）

賃金のジェンダーギャップを回帰分析によって推定してください．誤差項の均一分散を仮定して構いません．

4.1

次の5つのモデルをOLSにより推定して，比較しやすいようそれらの推定結果をテーブルにまとめてください．

(1). \(\log(salary) = \beta_0 + \beta_1 female + u\)

(2). \(\log(salary) = \beta_0 + \beta_1 female + \beta_2 age + u\)

(3). \(\log(salary) = \beta_0 + \beta_1 female + \beta_2 age + \sum_{educ}\beta_{educ} educDummies + u\)

(4). \(\log(salary) = \beta_0 + \beta_1 female + \beta_2 age + \sum_{educ}\beta_{educ} educDummies + \sum_{dept}\beta_{dept}deptDummies + u\)

(5). \(\log(salary) = \beta_0 + \beta_1 female + \beta_2 age + \sum_{educ}\beta_{educ} educDummies + \sum_{dept}\beta_{dept}deptDummies + \sum_{job}\beta_{job}jobDummies + u\)

4.2 （5pts）

(1)のモデルの推定結果を解釈してください．

4.3 （5pts）

(2)のモデルの推定結果を解釈してください．

4.4 （5pts）

(3)のモデルの推定結果を解釈してください．

4.5 （5pts）

(4)のモデルの推定結果を解釈してください．

4.6 （5pts）

(5)のモデルの推定結果を解釈してください．

4.7 （5pts）

(1)から(5)のモデルの推定結果について，\(female\)の係数はどのような挙動を見せていますか？その挙動について，考えられる理由を説明してください．

4.8 （5pts）

考えられる内生性について論じてください．