ECON4207/ECON6003(Arts) 
PROJECT INFORMATION 

Submission details 

Students are required to submit a written copy AND an electronic copy of their project. The 
electronic document must be a pdf file or a word file. Hard copies of the document must be 
typewritten and stapled. Student name(s) and number(s) must be clearly indicated on the cover 
page.  

The hard copy of the major project should be deposited in the Economics Box 1 outside the north‐
west doors to the ASB, by 5pm on Friday May 27th. The electronic copy of the major project must be 
submitted on the course website by 11:59pm on Friday May 27th. 

Submission via email or fax will not be accepted. Additional instructions on submission of the 
electronic copy will be available on the website.  

Late submissions: a penalty of 20% of the value of the project will be deducted for each day (24 
hours) or part thereof past the deadline unless an extension is granted.  

All electronic copies of essays will be checked for plagiarism on the Turnitin software into which they 
are uploaded. See notes on Plagiarism below and also note that the Turnitin software will 
automatically check against all other assignments submitted. 

Be reminded that the University regards plagiarism as a form of academic misconduct, and has very 
strict rules regarding plagiarism.   

For UNSW’s policies, penalties, and information to help you avoid plagiarism see: 

http://www.lc.unsw.edu.au/plagiarism/index.html  as  well  as  the  guidelines  in  the  online  ELISE 
tutorial for all new UNSW students: 

http://info.library.unsw.edu.au/skills/tutorials/InfoSkills/index.htm. 

If you have any doubts or questions on what constitutes plagiarism and how it will be treated, please 
ask me or your tutors.   

Group work (Optional):  
You may work in groups of at most 4 people for the project. A cover sheet for the project is posted 
on the course website. The group members are required to complete a peer assessment sheet for 
the project. It is your responsibility to resolve any work load conflict among the group members. The 
peer  assessment  sheet  will  be  used  to  assess  each  member’s  contribution  to  the  project.  In  the 
event  of  a  big  discrepancy  between  group  members’  contribution,  the  mark  allocated  to  each 
member will be an average weighted by their peers’ assessment. 
Project information 
You are required to form groups of up to four students. The project will be in the form of an 
article review and replication of the methodology to a real dataset. The project is due in week 
12.  
 
The project involves the following main tasks:  
 
1. You are required to nominate a particular topic from the course schedule that interests you 
and select a journal article that has been published in this area. The article can be either 
purely theoretical or of applied nature. Nominations must be received by week 9.  
You  can  choose  an  article  (topic)  from  the  list  provided  or  pick  up  your  own  from  the 
literature.  
Discuss  the  assumptions  of  the  econometric  model  used  in  the  chosen  article  and  their 
implications.  In  the  case  of  an  applied  article,  clearly  explain  the  data  considerations  and 
the  validity  of  the  implied  model  assumptions.  If  the  article  is  purely  theoretical,  clearly 
connect  the  theoretical  results  to  the  assumptions  imposed  on  the  model  and  the 
implications of the estimation method used.  
 
2. The written project is due Friday of Week 12 (see above).  
 
3. Class  presentation  (Week  13):  You  are  required  to  present  a  summary  of  your  project 
during  week  13  in  no  more  than  15  minutes  using  no  more  that  7/8  overhead 
transparencies. A copy of the overhead transparencies must be handed in for assessment.  
 

Choosing a topic: 
Greene  textbook  has  an  extensive  list  of  references  to  journal  articles  (pages  1099‐1146).  Make  a 
decision which topic of ECON4207/ECON6003 you want to do the project on. This process can either 
start from looking up the topics and then finding a journal article. Alternatively, you may have a data 
set  in  mind/question  that  you  want  to  explore  (perhaps  part  of  your  exploration  of 
honours/master/PhD thesis topics). In this case, you can think of ways to address the question using 
a journal article.  This is an opportunity for you to choose something you want to work on more in 
the future or part of your preparation to write up your thesis work.  

Alternatively, you may consider the following suggestions: 

Topic 1: Determinants of labour supply for married women.  

topic1_data.txt is real data from the twelve year Michigan Panel Study of Income Dynamics.   
 Things you may want to address/reflect on in this topic: 

 Decide  whether  to  model  the  labour  force  participation  decision  or  the  number  of  hours 
worked; 

 Propose and estimate an earning (wage) equation. This might be used to address any concerns 
of selection bias. 

 The  validity  of  potential  experience  as  an  IV  for  log(wage)  is  questionable.  Perhaps  more 
convincing is to add hours to the wage offer equation, and instrument hours with indicators for 
young and old children. 
Useful reference: 
Mroz (1987), The Sensitivity of an Empirical Model of Married Women’s Hours of Work to Economic 
and Statistical Assumptions,  Econometrica, Vol. 55, No.4  

Topic 2: Determinants of Extramarital Affairs 

The dataset AFFAIRS.xls is real data from a US survey by Psychology Today. Things you may want to 
address in this topic: 

 Whether to model the decision to have an affair, or/ and the number of affairs; 

Useful reference: 
R.C. Fair (1978), A Theory of Extramarital Affairs, Journal of Political Economy 86.   
 
Topic 3:   Forecasting US Inflation and GDP 

Data  in  “hof.xls”  includes  time  series  on  a  large  number  of  macroeconomic/financial  variables.  
These variables may have useful information in forecasting inflation and gross domestic product. The 
challenge  here  is  to  find  a  way  to  use  all  this  information  to  construct  “good”  forecasts  for  the 
economic activity.  

Useful references: 

1. Stock and Watson (2002), Macroeconomic Forecasting Using Diffusion Indexes, Journal of 
Business & Economic Statistics, Vol. 20, No. 2 
2. Giannone, De Mol and Reichlin (2008), Forecasting using a large number of predictors: is 
Bayesian shrinkage a valid alternative to principal components? Journal of Econometrics, Vol. 
146, No. 2. 
3. Giannone, Reichlin and Small (2008), Nowcasting: The Real Time Informational Content of 
Macroeconomic Data Releases, Journal of Monetary Economics, Vol. 55, No. 4. 

Broad guidelines 
As a guide, you could think of including the following section: 

1. Introduction  (1  to  1  ½  pages):  Here  introduce  the  topic  and  explain  why  it  is  important  and 
interesting  to  study  the  chosen  topic.  Discuss  previous  results  in  the  literature  (refer  to  one  or 
two papers, and broadly describe  their main results) and any econometric, modelling, or policy 
issues and implications. 

2. Data  (1  page):  Describe  the  variables  you  choose  to  include  in  your  model,  the  number  of 
observations,  the  main  problems  you  had  manipulating  the  data  and  the  decisions  you  made. 
Defend  the  decisions  that  you  made.  Basic  descriptive  statistics  would  be  good  here,  and 
probably some graphs too. 

3. Model  (1  page):  You  can  describe  very  briefly  a  theoretical  model  in  order  to  motivate  your 
choice  of  variables  and  to  help  with  the  interpretation  of  the  results.  The  model  has  to  be 
developed  on  the  grounds  of  the  properties  of  the  dependent  variable  and  the  available 
regressors. Then describe the econometric model(s) in some detail. This can also be done in the 
results section.  
4. Results and interpretation (3 pages): This is likely to be the main section in your paper. Describe 
your econometric models and your results. Interpret the results. Discuss likely problems with the 
model and possible violations of your main assumptions. Try to say something about the effects 
of  possible  biases  on  your  findings.  This  should  also  include  a  careful  account  of  relevant 
hypothesis tests and their meaning.  

5. Diagnostics  and  Sensitivity  analysis  (1  to  2  pages):  This  is  also a crucial part of your paper. You 
want  to  convince  the  reader  that  your  results  are  real  and  not  just  an  artifice  of  the  particular 
model  you  are  using.  Run  different  models,  change  some  of  the  decisions  you  made  in 
manipulating  the  data  and  rerun  the  models.  Describe  your  results  and  say  if  they  remain  true 
with these changes or if they are sensitive to the exact model/data assumptions you are making.  
Modelling of real life data is always difficult. It is therefore important that you are able to look 
critically at your results and are able to identify drawbacks and shortcomings of your findings. 

6. Conclusions  (1/2  page):  Restate  your  main  results  and  say  how  you  would  expand  the  paper  if 
you had more time, more data, etc…. 

7. References (1/4 page): Reference your textbooks (if you used them) and any article you have read 
and used as a basis for your discussions and decisions.