Nama___ Clement Runtung________________ ECO 140

GSI ____Caroline Le Pennec _______________ Musim gugur

2017

Pekerjaan rumah 7

1. Himpunan masalah ini mengkaji pandangan terhadap kekerasan dalam film sebagai determinan
kejahatan. Beberapa berpendapat ada hubungan antara menonton film kekerasan dan kejadian
kejahatan kekerasan. Di sisi lain, film membuat orang keluar dari jalanan dan masuk ke bioskop
pada saat kebanyakan kejahatan terjadi, pada malam hari. Dan mereka menggantikan aktivitas
lain yang mengarah pada perilaku kekerasan (narkoba dan alkohol). Untuk menganalisis jenis
perilaku ini, Anda akan bekerja dengan kumpulan data Movies.### . Deskripsi variabel diberikan
dalam file bernama movies_description.pdf. Kumpulan data termasuk akhir pekan AS .
kehadiran untuk film yang sangat keras ( Attend_v ) (seperti Hannibal), film kekerasan ringan (
Attend_m ) (seperti Spider Man) dan non-kekerasan ( Attend_n ) (seperti Moana).

(a) Hitung logaritma serangan ( ln_assaults ) dan regresikan pada indikator dummy bulan dan
tahun menggunakan Januari sebagai basis. Apakah ada bukti “musiman” dalam jenis
kejahatan kekerasan ini, misalnya, apakah ada kecenderungan lebih banyak penyerangan
dalam beberapa bulan dibandingkan bulan lainnya? Apakah ada kecenderungan penyerangan
selama tahun-tahun sampel?

Ya, ada bukti 'musim'. Kita dapat mengujinya secara formal dengan menggunakan uji-F yang
menyatakan bahwa koefisien semua bulan = 0; alternatif yang setidaknya salah satu dari
mereka tidak sama dengan 0. Dari sini, kami menemukan bahwa F-stat kami adalah 76,26
dengan nilai p 0. Jadi, kita dapat menolak null bahwa tidak ada musiman dan mengatakan
bahwa ada bukti musiman dari data.

Kita dapat melakukan hal serupa untuk menemukan kecenderungan penyerangan selama
tahun-tahun sampel dengan menggunakan uji-F yang menyatakan bahwa koefisien semua
tahun = 0; alternatif yang setidaknya salah satu dari mereka tidak sama dengan 0. Dari sini,
kami menemukan bahwa F-stat kami adalah 6440,5. Dengan demikian, kita dapat menolak
nol bahwa tidak ada tren selama tahun-tahun sampel dan mengatakan bahwa ada tren selama
bertahun-tahun terkait penyerangan tersebut.
(b) Hasilkan total kehadiran dari ketiga kategori film ( hadiri = hadir_v + hadir_m + hadir_n )
dan regresikan pada indikator tahun dan bulan. Apakah Anda melihat musiman dalam
menonton film? Apakah ada tren film dari waktu ke waktu?

Ya, sepertinya ada musiman dalam menonton film. Kita dapat mengujinya dengan
melakukan uji-F lain yang memiliki nol yang menyatakan bahwa tidak ada musiman
(koefisien bulan = 0). Melakukan uji-F pada STATA memberi kami nilai 33,72 dan nilai-p 0.
Artinya, kita dapat menolak null bahwa tidak ada musiman dan mengatakan bahwa ada bukti
musiman dalam data.

Ya, ada juga tren film dari waktu ke waktu. Kita dapat mengujinya dengan melakukan uji-F
lain di mana nol menyatakan bahwa tidak ada tren dari waktu ke waktu (koefisien tahun = 0).
Melakukan uji-F pada STATA memberi kami nilai 9,24 dan nilai-p 0. Artinya, kita dapat
menolak nol bahwa tidak ada tren dari waktu ke waktu dan mengatakan bahwa ada bukti tren
dari waktu ke waktu dalam data.

(c) Sekarang regresi dalam serangan pada kehadiran di masing-masing dari tiga jenis film,
bersama dengan indikator dummy bulan dan tahun, dan variabel kontrol cuaca dan hari libur
yang tersedia di kumpulan data. Seberapa banyak menonton film kekerasan meningkatkan
atau mengurangi penyerangan? Apakah signifikan secara statistik?

Untuk setiap 1 juta orang yang menonton film yang sangat keras diperkirakan akan
menurunkan serangan sebesar -0,31689%, ceteris paribus. Angka ini signifikan karena nilai p
mendekati 0. Dengan demikian, angka ini signifikan secara statistik bahkan pada tingkat
signifikansi 1%.
(d) Uji apakah efek kehadiran di film yang sangat keras dan sedikit kekerasan adalah sama.
Lakukan hal yang sama untuk efek menonton film yang sangat keras dan non-kekerasan.
Nyatakan hipotesis Null dan tentukan regresi terbatas Anda.

1. Kehadiran Film Sangat Kekerasan dan kehadiran film Kekerasan Ringan

Ubah bentuk normal menjadi:
Regresi Tidak Terbatas:
ln ( assault )t =β o +γ 1 atten d vt + β 2 ( atten d vt +atten d mt ) + β 3 atten d n+ month , year , weather FE+u t
Di manaγ 1 = β 1−β 2
Asumsikan Null benar:
H o :γ 1 = 0
H 1 : γ 1≠ 0

Karena kita hanya memiliki 1 batasan, kita dapat melihat stat-t atau nilai-p dari koefisien
Attend_v.
Setelah melakukan regresi Unrestricted di atas, ditemukan bahwa nilai p dari koefisien
kehadiran_v adalah 0,973 yang tidak signifikan secara statistik pada tingkat 5%.

Kesimpulan: Karena p-value > 0,05, kami menyimpulkan bahwa kami gagal menolak
hipotesis nol bahwa tidak ada pengaruh menonton film kekerasan berat dan film kekerasan
ringan dan mengatakan bahwa mungkin ada pengaruh antara menonton film kekerasan kuat
dan film kekerasan ringan.

2. Kehadiran film yang sangat keras dan film non-kekerasan.

Regresi Tidak Terbatas:
ln ( assault )t =β o +γ 1 atten d vt + β 2 ( atten d vt +atten d nt ) + β 3 atten d m + month , year , weather FE+u t

Asumsikan Null benar:

H o :γ 1 = 0
H 1 : γ 1≠ 0

Demikian pula, karena kita hanya memiliki 1 batasan, kita dapat dengan mudah melihat t-
stat atau p-vale dari koefisien Attend_v.

Setelah regresi regresi tak terbatas di atas, ditemukan nilai p dari koefisien kehadiran_v
adalah 0,270 yang tidak signifikan secara statistik pada taraf 5%.

Kesimpulan: Karena p-value >0,05, kami menyimpulkan bahwa kami gagal menolak
hipotesis nol bahwa tidak ada pengaruh menonton film kekerasan dan non-kekerasan dan
mengatakan bahwa mungkin ada pengaruh antara menonton film kekerasan dan film tanpa
kekerasan.
2. Kehadiran film dan kejadian kejahatan kekerasan dapat ditentukan oleh faktor umum tertentu.
Cuaca adalah contoh yang baik: ketika cuaca buruk menyebabkan orang tinggal di rumah,
mereka tidak pergi ke bioskop dan mereka juga tidak menjadi sasaran penyerangan. Regresi
variabel instrumental mungkin mengoreksi endogenitas variabel kehadiran. Kumpulan data berisi
tiga instrumen potensial yang memberikan estimasi kehadiran yang diprediksi dari film yang
sangat keras, sedikit kekerasan, dan non-kekerasan, masing-masing pr_attend_v, pr_attend_m
dan pr_attend_n . Prediksi ini didasarkan pada pengetahuan tentang pola khas kehadiran film
selama distribusi teatrikalnya.

(a) Perkirakan tahap pertama prosedur 2SLS dan uji apakah ketiga variabel tersebut merupakan
instrumen yang “kuat”.

Tahap pertama adalah melakukan regresi pada Attend_v, Attend_m, dan Attend_n pada variabel
instrumental dan semua variabel eksogen.

Mulailah dengan meregresi kehadiran_v pada semua variabel instrumental dan semua variabel
eksogen (bulan, tahun, hari libur, dan cuaca). Setelah regresi, kami menemukan bahwa F-statistik
adalah 75,25 dan nilai p 0. Dengan demikian, kami menyimpulkan bahwa variabel tersebut
signifikan secara statistik.

Kedua, kami melakukan regresi kehadiran pada semua variabel instrumental dan semua variabel
eksogen (bulan, tahun, hari libur, dan cuaca). Setelah regresi, kami menemukan bahwa F-statistik
adalah 199,87 dan p-value 0. Dengan demikian, kami menyimpulkan bahwa variabel tersebut
signifikan secara statistik.

Ketiga, kami melakukan regresi kehadiran pada semua variabel instrumental dan semua variabel
eksogen (bulan, tahun, hari libur, dan cuaca). Setelah regresi, kami menemukan bahwa statistik F
adalah 123,4 dan nilai p 0. Dengan demikian, kami menyimpulkan bahwa variabel tersebut
signifikan secara statistik

Dengan demikian, kami menyimpulkan bahwa variabel instrumental lolos uji relevansi dan
semua variabel instrumental adalah variabel instrumental yang baik.
(b) Jalankan regresi kuadrat terkecil dua tahap menggunakan tiga variabel ini sebagai instrumen
untuk tiga regresi endogen. Evaluasi koefisien kehadiran film-film kekerasan dan uji apakah
itu berbeda dari koefisien pada film-film kekerasan ringan, dan sekali lagi untuk film-film
non-kekerasan.

Koefisien: -.0038738, yang berarti bahwa untuk setiap 1 juta penonton film yang sangat
menampilkan kekerasan, perkiraan jumlah penyerangan menurun sebesar 0,387%, ceteris
paribus.

Untuk mengetahui apakah koefisien kehadiran film kekerasan dan film kekerasan ringan,
kami menggunakan teknik yang identik dari pertanyaan 1 (d) dan dengan meregresikannya
menggunakan ivreg di STATA, ditemukan bahwa p-value adalah 0,983; artinya kita gagal
menolak null bahwa efek menonton film kekerasan tidak berbeda dengan menonton film
kekerasan ringan dan mengatakan bahwa mungkin ada efek antara menonton film kekerasan
atau film kekerasan ringan.

Demikian pula, untuk menemukan apakah koefisien pada kehadiran film kekerasan dan film
non-kekerasan, kami menggunakan teknik yang sama dari pertanyaan 1 (d) dan dengan
regresi menggunakan ivreg di STATA, ditemukan bahwa p-value adalah 0,228; artinya kita
gagal menolak null bahwa efek menonton film kekerasan tidak berbeda dengan menonton
film non-kekerasan dan mengatakan bahwa mungkin ada efek antara menonton film
kekerasan atau film non-kekerasan.

(c) Komentar pada R 2 dari regresi pada bagian (b)

Dalam hal ini, R 2 sekarang tidak dapat diandalkan karena variabilitas dalam variabel
dependen (ln_assault) disebabkan oleh perubahan pada variabel independen dan juga istilah
kesalahan.
(d) Kumpulan instrumen berbeda yang termasuk dalam kumpulan data adalah kehadiran
masing-masing dari tiga kategori film pada minggu sebelumnya dan minggu berikutnya,
misalnya, Attend_v_b dan Attend_v_f masing-masing adalah kehadiran di film kekerasan
pada minggu sebelumnya dan minggu berikutnya. Lakukan 2SLS menggunakan enam
variabel ini sebagai instrumen untuk tiga regressor endogen. Seperti sebelumnya, evaluasi
koefisien kehadiran film kekerasan dan uji apakah koefisien tersebut berbeda dari koefisien
pada film kekerasan ringan, dan sekali lagi untuk film non-kekerasan.

Koefisien: -.0031738; artinya untuk setiap 1 juta penonton film yang sangat keras, perkiraan
jumlah penyerangan menurun sebesar 0,317%, ceteris paribus.
Untuk mengetahui apakah koefisien kehadiran film kekerasan dan film kekerasan ringan,
kami menggunakan teknik yang identik dari pertanyaan 1 (d) dan dengan meregresikannya
menggunakan ivreg di STATA, ditemukan bahwa p-value adalah 0,522; artinya kita gagal
menolak null bahwa efek menonton film kekerasan tidak berbeda dengan menonton film
kekerasan ringan dan mengatakan bahwa mungkin ada efek antara menonton film kekerasan
atau film kekerasan ringan.

Demikian pula, untuk mengetahui apakah koefisien kehadiran film kekerasan dan film non-
kekerasan, kami menggunakan teknik yang sama dari pertanyaan 1 (d) dan dengan meregresi
menggunakan ivreg di STATA, ditemukan bahwa p-value adalah 0,664; artinya kita gagal
menolak null bahwa efek menonton film kekerasan tidak berbeda dengan menonton film
non-kekerasan dan mengatakan bahwa mungkin ada efek antara menonton film kekerasan
atau film non-kekerasan.

(e) Lakukan tes untuk overidentifikasi. Apa yang Anda simpulkan tentang instrumen?

perkebunan overid

Pengujian pembatasan overidentifikasi:

Sargan (skor) chi2(3) = 8,58313 (p = 0,0354)

Basmann chi2(3) = 8,03479 (p = 0,0453)

Kami menemukan bahwa kedua nilai p secara statistik signifikan pada 5%; dengan demikian,
kami menolak nol bahwa variabel instrumental kami tidak berkorelasi dengan istilah kesalahan
dan mengatakan bahwa setidaknya 1 instrumen tidak eksogen — artinya salah satu instrumen
kami tidak valid seperti yang kami inginkan Cov(Z,u) = 0