More guns, less crime

Öffnen Sie den Datensatz http://www.farys.org/daten/guns.dta. Er enthält Kriminalitätsstatistiken von 50 US-amerikanischen Bundesstaaten plus Washington DC von 1977 bis 1999 (etwas Background: http://www.nber.org/papers/w9336.pdf). Die Variable law gibt für jeden Bundesstaat und Jahr an, ob das Tragen von Waffen per Gesetz erlaubt ist. Im Folgenden untersuchen Sie den Einfluss von law auf die Häufigkeit von Gewaltverbrechen (violent).

Die Variablen sind:

Untersuchen Sie die Wirkung von law (Erlaubnis, Waffen zu tragen) auf die Kriminalität violent. Bauen Sie hierfür schrittweise geeignete Modelle.

Einige grundlegende Dinge sollten beachtet werden:

Was lässt sich nun über die Wirkung von law sagen?

Paneldatenmodelle für dichotome abhängige Variablen

Öffnen Sie den Datensatz http://www.farys.org/daten/shp.dta. Es handelt sich um einen Auszug aus dem Schweizer Haushaltspanel. Im Folgenden untersuchen Sie die dichotome Variable gesund, die angibt, ob der Befragte seinen Gesundheitszustand selbst als “gesund oder sehr gesund” oder “nicht gesund bis mittelmässig” einschätzt.

  1. Schätzen Sie folgende Modelle unter Verwendung von Alter, Geschlecht, Arbeitsstunden und Einkommen (jährlicher netto Arbeitslohn) als Prädiktoren. Interpretieren Sie jeweils die Schätzer und diskutieren Sie, wie weit und warum sich die Schätzer der unterschiedlichen Modelle unterscheiden.
  2. Bonus: Schätzen Sie Marginaleffekte für das Random Effects Modell und das Hybride Modell
  3. Bonus: Schätzen Sie ein FE-Modell, aber weisen Sie die Effekte für Alter, Arbeitsstunden und Einkommen separat nach Geschlecht aus. Unterscheiden sich die Effekte für Männer und Frauen? Quizfrage: Warum ist der Schätzer des Einkommens für Männer präziser als für Frauen?