EXAMINATION IN LAND ECONOMY 

FOR THE DEGREE OF MASTER OF PHILOSOPHY 

Monday 04 January 2010  09.00­11.00 

RM01 Quantitative Research Methods I 

Two Hour Examination. 

This paper is worth 50% of the total mark for this module. 

Answer  three  questions.  Section  A  is  compulsory.    Also  answer  two 

questions from Section B. 

All answers should be given to two decimal places if necessary. 

All questions carry equal weight.  Where a question has several parts, each 
part carries equal weight. 

Stationery Requirements  Special Requirements 
1 x 20 page answer booklet.  An approved calculator may be used. 
Rough Notes pad. 

You may not start to read the questions 
printed on the subsequent pages of this 
question paper until instructed that you 
may do so by the Invigilator
 2 

SECTION A 

1.  A linear regression model is estimated using a sample of 4,682 residential 
property transactions from January 2001 to December 2006.  The data set 
contains the following variables. 

LNPRICE: natural log transformed house price 
PA: age of the property in years divided by 10 
PA2: PA squared 
SQFT: size of the property in squared feet 
SQFT2: SQFT squared 
Y2002­Y2006: annual time dummy variables 

Descriptive statistics on some of the variables are given as follows. 
Mean  Median  Maximum  Minimum  Std. Dev. 
LNPRICE  11.55  11.57  12.83  9.90  0.33 
PA  2.50  1.80  9.60  0.00  2.01 
SQFT  14.49  14.36  22.00  6.00  3.41 

The computer output of the regression model is given below. 
ANOVA 
Significance 
df  SS  MS  F  F 
Regression  9  317.63  35.29  828.10  <0.01 
Residual  4672  199.11  0.04 
Total  4681  516.74 

Standard 
Coefficients  Error  t Stat 
Intercept  10.3185  0.0514 
PA  0.0001  0.0045 
PA2  ­0.0032  0.0006 
SQFT  0.1248  0.0069 
SQFT2  ­0.0019  0.0002 
Y2002  ­0.0312  0.0116 
Y2003  ­0.0834  0.0113 
Y2004  ­0.1097  0.0111 
Y2005  ­0.1718  0.0113 
Y2006  ­0.2211  0.0109
 3 

a)  Calculate R 2 of the regression model and t test statistics on all independent 
variables. 

b)  Discuss the effect of age and size on house prices. 

c)  What is the estimated change of property prices from 2001 to 2003?  Test 
the claim that property price dropped by more than 5% from 2001 to 2003. 

d)  Construct a property price index using year 2001 as the base year. 

SECTION B 

2.  A  researcher  interviewed  1,000  workers  to  analyze  wage  determinants. 

The definition and sample correlation matrix of the variables in his data set 
are given below. 

LNWAGE: natural log transformed earnings per hour 
EDUC: years of education 
EXPER: experience in years 
FEMALE: = 1 if female and 0 otherwise 
FULLTIME: = 1 if fulltime worker and 0 otherwise 
MARRIED: = 1 if married and 0 otherwise 
F_M: = FEMALE * MARRIED 

Correlation Matrix
EDUC  EXPER  FEMALE  FULLTIME  MARRIED 
EDUC  1.00  ­0.18  ­0.02  0.05  0.06 
EXPER  ­0.18  1.00  0.01  0.03  0.29 
FEMALE  ­0.02  0.01  1.00  ­0.22  ­0.07 
FULLTIME  0.05  0.03  ­0.22  1.00  ­0.01 
MARRIED  0.06  0.29  ­0.07  ­0.01  1.00 

TURN OVER
 4 

Two regression models are estimated as follows: 

Model 1 
Variable  Coefficient  Std. Error  t­Statistic  Prob. 
Intercept  0.1670  0.0934  1.79  0.07 
EDUC  0.1087  0.0060  18.22  <0.01 
EXPER  0.0102  0.0014  7.55  <0.01 
MARRIED  0.1429  0.0306  4.68  <0.01 
FULLTIME  0.3229  0.0431  7.48  <0.01 
Adjusted R­squared  0.3600  F­statistic  122.4549 
Sum squared residuals  204.5787 

Model 2 
Variable  Coefficient  Std. Error  t­Statistic  Prob. 
Intercept  0.3163  0.0943  3.36  <0.01 
EDUC  0.1083  0.0058  18.65  <0.01 
EXPER  0.0103  0.0013  7.74  <0.01 
FEMALE  ­0.1388  0.0433  ­3.21  <0.01 
MARRIED  0.1890  0.0423  4.47  <0.01 
FULLTIME  0.2413  0.0434  5.55  <0.01 
F_M  ­0.1221  0.0575  ­2.13  0.03 
Adjusted R­squared  0.3622  F­statistic  95.5626 
Sum squared residuals  193.5372 

a)  Based  on  Model  2,  identify  the  sample  regression  equation  for  married 
female workers and single male workers respectively. 

b)  Test  the  claim  that  gender  has  no  influence  on  wage  (use  a  1% 
significance level). 

c)  Compare  the  coefficient  estimates  on  EDUC  and  FULLTIME  in  the  two 
models. Explain why omitting variable FEMALE and F_M has a different 
effect on these two coefficient estimates.
 5 

3.  Using a sample of 392 observations, two regression models are estimated. 

Model 1 
Variable  Coefficient  Std. Error  t­Statistic  Prob. 
Intercept  46.22  0.80  57.87  <0.01 
WGT  ­0.01  0.00  ­29.65  <0.01 
Adjusted R­squared  0.69  Sum squared residuals  7321 

Model 2 
Variable  Coefficient  Std. Error  t­Statistic  Prob. 
Intercept  44.37  1.48  29.97  <0.01 
CYL  ­0.27  0.41  ­0.65  0.52 
ENG  ­0.01  0.01  ­1.54  0.13 
WGT  ­0.01  0.00  ­8.00  <0.01 
Adjusted R­squared  0.70  Sum squared residuals  7163 

Correlation matrix of independent variables 
ENG  CYL  WGT 
ENG  1.00  0.95  0.93 
CYL  0.95  1.00  0.90 
WGT  0.93  0.90  1.00 

a)  Test if ENG and CYL are individually significant at the 5% level. 

b)  Test if ENG and CYL are jointly significant at the 5% level. 

c)  Contrast and discuss your answers to part a) and b). 

TURN OVER
 6 

4.  With a regression model y  =  b 0  + b 1 x 1  + b 2 x 2  + b 3 x 3  + b 4 x 4  + e , where 

x 2 , x 3  and  x 4  are dummy variables, give two approaches to test each of the 
following claims. 

a)  x 1  and  x 3  have exactly the same impact on y. 

b)  The effect of  x 2  is smaller than the effect of x 3 . 

c)  The joint effect of  x 2  and x 4  is zero. 

5.  Illustrate how to interpret coefficient estimates of 

a)  interaction terms between two dummy variables 

b)  interaction  terms  between  one  dummy  variable  and  one  continuous 
variable 

c)  interaction terms between two continuous variables. 

Note:  Useful formulas and critical values 

SSR  t 0.025,4672 = 1 . 96 

R 2  = 
SST 
t 0.05,4672 = 1 . 645 
b i  - b i 0
t = t 0.01,993 =  2 . 33 
S b i 
F 0. 01 , 2 , 993  = 4 . 63 
MSR  SSR  k 
F =  =
MSE  SSE  (n - k - 1) 
F 0. 05 , 2 , 388  = 3 . 02 
(SSE REDUCED  - SSE FULL  ) p 
F  = 
SSE FULL  (n - k  - 1) 

END OF PAPER