(Master) Ligjerata 9 Metodologjia hulumtuese Metodat kuanitative në hulumtimet shkencore (disa modele ekonometrike) Prof.dr. Avdullah Hoti 1 1

Literatura Gujarati, D. (2005) Essentials of Econometrics, McGraw Hill Higher Education. Studenmund, A. (2001): Using Econometrics: A practical Guide; Addison Wesley, Longman, Inc. Verbeek, M. (2004): A guide to modern econometrics; John Wiley & Sons LTD, Chichester Wooldridge, J. (2006): Introductory econometrics: A modern approach; Thompson South-Western, 3rd edition, Mason, Ohio

Qëllimi i ligjëratës Specifikat e vlerësimit kuantiativ të dukurive Aplikimi i modeleve kuantitative në kërkime Modelet kryesore ekonometrike në hulumtimet kuantitative OLS Probit Njoftim me disa modelet të tjera ekonometrike Tobit model Ordered Probit Unordered Probit Interval regression models

Regresionet ekonometrike Ekonometria - verifikim empirik i teorisë Pse të studiojmë ekonometrinë? Vlerësimi kuantitativ i hipotezave Identitikimi dhe kuantifikimi i efekteve/lidhjeve në mes të dukurive Shumë e fuqishme për predikime (inference) Për shembull: Parashikimi i efektit të barit X në kurimin e sëmundjes Y Ekonometria shërbehet nga: Teoria: definimi i hipotezave Matematika: definimi matematikor i lidhjes së variablave Statistika: lidhjet statistikore në mes të variblave

Metodologjia ekonometrike Procedura standarde: Teoria Të dhënat Specifikimi i modelit matematik Specifikimi i modelit ekonometrik Vlerësimi i parametrave Testimi sa adekuat është modeli Testimi i hipotezave Shfrytëzimi i rezultateve

Metodologjia ekonometrike: Teoria Formulimi i hipotezave Shembull: Pyetja hulumtuese: A ndikon arsimi në nivelin e pagës? Hipoteza: Arsimi ndikon pozitivisht në nivelin e pagës Diskutim për 5 minuta Mendoni për pyetjet e juaj hulumtuese dhe ktheni ato në hipoteza

Metodologjia ekonometrike: Sigurimi i të dhënave Llojet e të dhënave: Të dhëna primare (anketat, intervistat) Sekondare (raporte, internet, etj.) Të dhëna kuantitative: çmimet, të hyrat, shpenzimet, etj. Të dhëna kualitative: gjinia, statusi martesor, shkollimi etj. Regjistrimet (census) Problem: Mostra adekuate Gjithmonë sigurohuni që të dhënat vijnë nga një mostër adekuate Cila është mostra adekuate? Ajo mostër që më së miri i përfaqëson cilësitë dhe tiparet e popullacionit

Metodologjia ekonometrike: Specifikimi i modelit matematik Paraqitja e variablave në diagrame për të zbuluar lidhjen statistikore në mes tyre Lidhje pozitive: me rritjen e nivelit të arsimit rritet edhe paga Parametrat: β1 = konstantja që tregon pagën nëse personi nuk ka arsim. β2 = pjerrësia që tregon normën e ndryshimit të pagës për një njësi ndryshimi në nivelin e arsimit Shenja e parametrave: (+) me rritjen e nivelit të arsimit rritet paga mesatare (-) me rritjen e nivelit të arsimit bie paga mesatare Shenja e pritur derivohet nga teoria Çfarë thotë hipoteza në rastin konkret? (arsimi ndikon pozitivisht në pagë, prandaj shenja e pritur është pozitive) In figure the negative effect dmonates.

Metodologjia ekonometrike: Specifikimi i modelit matematik Konstantja: Zakonisht nuk ka kuptim ekonomik është një ‘grumbullues mbeturinash’ si rezultat i mospërfshirjes së faktorëve tjerë në model Tregon mesataren e variables se varur kur faktoret e tjere kane vleren zero. In figure the negative effect dmonates.

Metodologjia ekonometrike: Specifikimi i modelit ekonometrik Përveç arsimit, ka edhe forca të tjera që përcaktojnë pagën Prandaj specifikohet modeli: ‘μ’ lejon ndikimin e faktorëve të tjerë në pagë: përfshin të gjitha forcat e tjera që mund të ndikojnë në madhësinë e pagës, e që nuk janë përfshirë në model, gabimet ne matje Si dhe faktorët e tjerë që nuk mund të shpjegohen (sjellja e njeriut është jo gjithmonë e parashikuar). Në model: Në anën e majtë: variabla e varur Në anën e djathtë: variablat shpjeguese (të pavarura) Por, kjo nuk nënkupton shkakun - duhet mbështetur me teori

Metodologjia ekonometrike: Të dhënat

Metodologjia ekonometrike: Vlerësimi i parametrave (1) Pas regresionit kemi: Definimi i njësisë matëse të vairablave: Paga = paga mesatare e shprehur në Euro për një orë punë. Arsimi = i matur me vitet e arsimit të kryera Interpretimi i parametrave të modelit: β2 = 0.55 Nëse niveli i arsimit rritet për një vit, në mesatare paga për orë rritet për 0.55 Euro Shenja ‘+’ nënkupton efekt pozitiv të arsimit në pagë β1 = 1.5 Nëse punëtori është pa arsim, paga mesatare për orë pune është 1.5 Euro. ëe say on average because the error term is likely to make the relationship someëhat imprecise.

Metodologjia ekonometrike: Vlerësimi i parametrave (2) Tri çështje me interes në diskutimin e parametrave: 1. Drejtimi i ndikimit të variablës së pavarur në atë të varur: Shiko shenjën e koeficientit: pozitiv/negativ Bazohu në teori (hipotezat e ngritura) 2. A ka ‘Arsimi’ ndikim statistikisht signifikant në ‘Pagë’? Duhet parë ‘t-statistics’ të koeficientit të arsimit në regresion ‘t-statistics’ = vlera e koeficientit / devijimi standard Nëse ‘t-statistics’≥|2| atëherë ‘Arsimi’ ka ndikim signifikant në ‘Pagë’ Në këtë rast: refuzo H0: β2 = 0 (Arsimi nuk ka ndikim në nivelin e pagës) 3. Madhësia e ndikimit të variablës së pavarur në atë të varur përcaktohet nga: madhësia e koeficientit ëe say on average because the error term is likely to make the relationship someëhat imprecise.

Signifikanca: Ndikimi i variablave shpjeguese në variablën e varur Hipoteza zero (null hypothesis) hipoteza të cilën nuk e dëshiron hulumtuesi Hipoteza alternative (alternative hypothesis) hipoteza për vlerat e dëshiruara nga hulumtuesi Gabimi i llojit të parë (Type I error) refuzon hipotezën kur është e saktë Gabimi i llojit të dytë (Type II error) nuk refuzon hipotezën që nuk është e saktë

Gabimet statistikore Type I vs Type II erros An inspector has to choose between certifying a building as safe or saying that the building is not safe. There are two hypotheses: Building is safe Building is not safe How will you set up the hypotheses? Remember to set it up so that Type I error is more serious. H0 : Building is not safe Ha : Building is safe

T-statistic: nëse është ≥2 në vlerë absolute refuzo Ho se parametrat βs=0 P-values (probability values): niveli i saktë i signifikancës tregon nivelin më të ulët të signifikancës në të cilën mund të refuzojmë Ho për të refuzuar Ho kërkohen vlera sa më të ulta të ‘p-values’ (1,5 dhe 10%). Tregon fuqinë relative me të cilën mund të refuzojnë Ho Niveli i signifikancës prej 10% nënkupton se vetëm në 10% të rasteve hipoteza zero do të ishte e vërtetë.

Modelet pa konstante Regresioni nga origjina (pa konstante) shembull: nëse të hyrat janëzero (x) atëherë tatimi në të ardhura (y) është zero. Megjithatë rregull mos elimino konstanten edhe nëse teoria sygjeron ngase: Mbivlerëson vlerat e parametrave të tjerë dhe i tregon signifikante edhe kurr nuk janë. Standard errors (s.e.): udhëzojnë se sa të sakta vlerësimet janë: me rritjen e numrit të observimeve s.e. jane më të vegjël d.m.th më preciz janë koeficientët e vlerësuar.

Metodologjia ekonometrike: Specifikimi i modelit Por, sa adekuat është modeli në shpjegimin e lidhjes në mes të pagës dhe nivelit arsimor? Ka edhe variabla tjera që ndikojnë në pagë Kalimi prej regresionit të thjeshtë në atë të shumëfishtë. Ky model implikon vlenë brenda parimit ‘ceteris paribus’: 1. duke mbajtur konstant nivelin e arsimit, me rritjen e përvojës në punë për një vit, në mesatare paga për një orë pune rritet për 0.10 njësi (Euro). 2. duke mbajtur konstant përvojën në punë me rritjen e nivelit të arsimit për një vit, në mesatare paga për një orë pune rritet për 0.40 njësi (Euro). Primary objective is to explain the behaviour of one variable the dependent one in relation to the behaviour of one or more other variables (independent).. Econometric model derived from mathematical one=mutually complementary disciplines. CAUSATION:if casually related is the UNR the cause and LFPR the effect. To call it a predictive relationship. ëhen say the ëage of the ëife goes up the husband to ëithdraë from the labour force. LFPR might depend on the number of children under 16, family ëealth, unemployment insurance etc. Even if data in all these variables are available, ëe may not ëant to introduce them all in the model because the purpose of developing an econometric model is not to capture total realty but just its salient features. In Chapter 11.

Metodologjia ekonometrike: Testimi i hipotezave (1) A është i pranueshëm ky model? A janë rezultatet në pajtueshmëri me teorinë? Shikoni shenjën e koeficientëve Cilin model duhet përdorur? Të thjeshtë apo të shumfishtë? Koeficienti i determinacionit R2 Sa më shumë variabla në ekuacion, koeficioni është më i lartë Por, multikolineariteti në mes të variablave të pavarura Shembulli i arsimit me pagën Hypothesis testing: for example the discouraged-ëorker hypothesis postulates a negative relationship betëeen labour force participation and the unemployment rate. Is this hypothesis borne out by our results. If unemployment rate is6% and the ral hourly earnings 10, the labour force participation rate ëould be about 63% ëhen actual data becomes available ëe can compare the predicted value ëith the actual value. The discrepancy betëeen the tëo ëill represent the prediction value.

Metodologjia ekonometrike: Testimi i hipotezave (2) KOEFICIENTI I DETERMINACIONIT Tregon se sa mirë vija e regresionit i përshtatet vlerave aktuale të variablës së varur. TSS = variacioni i vlerave aktuale të Y nga mesatarja ESS = shpjeguar nga variablat shpjeguese RSS = pjesa e pashpjeguar e variacionit të vlerave të Y në vijën e regresionit TSS=ESS+RSS R2 = ESS / TSS R2 merr vlera në mes 0 dhe 1 Sa më afër 1, ndryshimi në variablën e varur shpjegohet më mirë me modelin e zgjedhur Në shembullin e pagës: R2 = 0.86 Spjegimi: variablat e arsimit dhe përvojës në punë shpjegojnë rreth 86% të variacionit të pagës.

Metodologjia ekonometrike: Shfrytëzimi i rezultateve Testimi i teorisë Parashikimi Sa do të ishte paga mesatare për orë pune duke ditur nivelin e arsimit dhe përvojën në punë. Propozimi i politikave/masave Por: Cetersi paribus Nënkupton mbajtjen fiks të faktorëve tjerë

Dy modele që përdoren më së shpeshti Regresioni OLS: metoda e katrorëve më të vegjël Probit/Logit

Modeli OLS

OLS OLS përdoret kur variabla e varur (Y) është: sasiore dhe vazhduese Regresioni i thjeshtë (një faktorë) Regresioni i shumëfishtë (shumë faktorë)

OLS: Variablat dummy (1) Disa variabla të pavarura mund të jenë ‘Variablat dummy’ kategorike, binare, kualitative. Tregojnë praninë ose mospraninë e një ‘kualiteti’ Kuantifikimi i efektit të këtyre variablave përmes krijimit të një variable ‘dummy’ që merr vlerën: 0 = mungesën e atij atributi (mashkull; papunësuar) 1= praninë e atij atributi (femër; punësuar) Shembulli i ekuacionit të pagës: Shtimi edhe i këtyre karakteristikave që përcaktojnë pagën: Sektori industrial Qyteti Anëtarësimi në sindikatë

OLS: Variablat dummy (2) Futja e variablave dummy në regresion - vlenë rregulli: Nëse variabla kuantiative ka m kategori, atëherë në regresion futen m-1 kategori: Shembull: Gjinia: 2 kategori (mashkull/femër), në regresion futet 1 kategori Sektorët: 3 kategori (tregti, prodhim, shërbime) në regresion 2 prej kategorive Katëgoria që nuk hyn në regresion: kategoria bazë; referencë; kontrolluese; krahasuese.

OLS: Shembull me vairablat dummy Vlerësimi i ‘Pagës së profesorit’ Y= paga vjetore e një profesori (në mijëra euro) Di=1 nëse profesori është mashkull Di=0 nëse është femër Vlerësimi i ‘Shtypjes së gjakut’ Y= niveli i shtypjes së gjakut (në njësi matëse) Di=1 nëse personi konsumon produktin X Di=0 nëse personi nuk konsumon produktin X Rezultatet (për pagën e profesorit): Paga mesatare vjetore për femra është 18,000 euro Ndërsa e meshkujve për 3,280 euro më ë lartë = 21, 280 euro Paga mesatare për femra është më e vogël se e meshkujve.

Modeli Probit

Modeli Probit: Kur përdoret? Variabla e varur si variabël dummy Përdoret për të spjeguar probabilitetin që një ngjarje të ndodhë Shembuj: Matja e probabilitetit për: të qenit i punësuar për të investuar paraqitjen e fatalitetit tek personat me sëmundjen X paraqitjen e një sëmundjeje

Modeli Probit: Probabiliteti Hudhja e parasë: probabiliteti për të rënë koka ose pjesa e pasme: koka/totali i mundësive = 1/2 Nëse hedhim një domino: Mundësia për të qëlluar 1 është 1/6, për të qëlluar 2 është 1/6 e kështu me radhë Probabiliteti është gjithmonë pozitiv dhe sillet prej 0 (nuk ka gjasë të ndodhë) deri në 1 (ngjarja ndodh me siguri të plotë)

Modeli probit: Specifikimi empirik Y = 1 nëse familja ka shtëpi private = 0 nëse familja nuk ka shtëpi private X = të ardhurat familjare (në mijëra euro) β1 = -0.9457 tregon ‘probabilitetin’ që familja të ketë shtëpi kur të ardhurat e saj janë zero. Pasi probabiliteti nuk mund të jetë negativ atëherë e trajtojmë këtë vlerë si zero. β2 = 0.1021 tregon se për një njësi ndryshimi (kur të ardhurat e familjes rriten për 1,000 euro) probabiliteti që familja të ketë shtëpi rritet për 0.1021 ose për 10.21%. P.sh. Familja me të ardhura mesatare prej 12,000 (pra X=12) ka probabilitet probabilitet për të pasur shtëpi prej: -0.9457+12(0.1021)=0.2795=28% për të pasur shtëpi

Modelet e tjera ekonometrike

Modelet e tjera ekonometrike: Tobit Parashikimi i shpenzimeve qeveritare për ilaçe të diabetit gjatë 3 viteve të ardhshme: Shpenzimet për ilaçe të diabetit të të gjithë personave Së pari matet probabiliteti që personi të jetë me diabet Pastaj, maten shpenzimet për diabet Ky model involvon vlerësimin e dy ekuacioneve Probabiliteti për të qenë me diabet: Shpenzimet për diabet, kur personi është me diabet:

Modelet e tjera ekonometrike: Regresioni i intervaleve Regresioni interval Numri i vizitave tek dentisiti që bëjnë personat brenda vitit Numri i padive nga shkelja e rregullave të trafikut Variabla e varur merr vlera diskrete, por të kufizuara në disa alternativa

Modelet e tjera ekonometrike: Ordered/unordered Regresioni ‘ordered’ (i rënditur) ka hierarki në paraqitjen e gjendjes: Niveli i shëndetit të personit (i dobët, i mirë, shumë i mirë) Regresioni ‘unordered’ (jo i rënditur) nuk ka hierarki, gjendjet janë ‘kualitativisht’ të ndryshme: Statusi i punësimit: i punësuar, i papunë, jashtë forcës punëtore

Përmbledhje e ligjëratës Modelet kuantiative – aplikimi i ekonometrisë Modelet kryesore ekonometrike Kush e përcakton se cili model përdoret Karakteristikat kryesore të modeleve OLS Probit/Logit Tobit Interval regression Ordered/unordered

Detyrë Siguroni të dhëna për një çështje që është me interes për ju Identifikoni modelin ekonometrik që është adekuat Zhvilloni fazat e procesit hulumtues duke aplikuar modelin ekonometrik që keni zgjedhur Interpretoni parametrat e modelit dhe signifikancën e modelit

Qëllimi i ligjëratës Si aplikohen modelet ekonometrike në hulumtime empirike? Qasja në përgatitjen e një punimi shkencor për publikim. Identifikimi i qëllimeve të hulumtimit Identifikimi i hipotezave Zgjedhja e modelit ekonometrik Vlerësimi/testimi i hipotezave Interpretimi i rezultateve Të gjitha këto do të diskutohen përmes një shembulli konkret nga një punim i botuar: Hoti, Avdullah (2009) 'Determinants of emigration and its economic consequences: evidence from Kosova', Southeast European and Black Sea Studies, 9: 4, 435 — 458

Determinants of emigration and its economic consequences: evidence from Kosova

Labour movements affects the economic prospects of countries involved, Context of the investigation: Why dealing with emigration and remittances? Labour movements affects the economic prospects of countries involved, In the origin country, emigration: Reduces the size of the labour force, Changes its skills composition, Affects aggregate spending due to remittances, Produces other second and third round effects (multiplier effects). Around 20% of Kosova’s population is abroad Annual remittances are estimated at 13% of GDP

Research questions Q1. Given the lack of data, to provide estimates of emigrants from Kosova, their profile and brain drain, Q2. What determines emigration decisions Q3. Employment possibilities at home and abroad (as the driving force of emigration) Q4. Returns to education for emigrations Q5. Determinants of incidence and size of remittances

Estimates of emigrants from Kosova and their profile Q1 Estimates of emigrants from Kosova and their profile Emigration existed during the socialism, There is no official data after 1989, Bush (2004): 300-500 thousand emigrants, Moalla-fetini et al. (2005): 470 thousand Riinvest (2003): 20% of households have at least one member abroad.

Q1 Profile of emigrants (based on Riinvest HLFS) 66% males 35% urban residents compared to 45% of the total population 52% age 25-44 compared to 29% of the total population 61% with higher education compared to 40% of the total population 49% remit Average amount remitted per month for those who remit is 347 Euro,

Q1

Q1

Q1 Q1 Estimates of the brain drain in Kosova Proportion in the total population * Population Emigration rate* Number of emigrants [1] [2] [3] [4]=[2]x[3] Total population 1.000 2,400,000** 0.067 160,800 Population of age 25+ 0.490 1,176,000*** 0.083 97,608 Education level of the population aged 25+ Less than upper-secondary education 0.471 553,896 *** 0.049 27,141 Upper-secondary education 0.405 476,280 *** 0.126 60,011 Higher education 0.124 145,824 *** 0.074 10,791 Source of data: * Riinvest HLFS of December 2002; ** Estimated by Moalla-Fetini et al. (2005) using the size of the population from the last census of 1981 and assuming a natural growth rate of 2 percent for Albanians and 1.2 percent for other ethnic groups living in Kosova. This estimate includes emigrants. *** Own calculations by multiplying the respective proportion in the population from column 1 with the total number of population.

What determines emigration decisions Q2 What determines emigration decisions Theory of migration: why labour moves? Employment and wage differentials between home and abroad The effect of: Personal characteristics Household characteristics Contextual characteristics

Q2 When a person moves abroad? Ve and Vs indicate the expected value abroad and at home respectively, c is the costs of emigration The dep. variable is discrete, taking values of 1 if abroad and 0 if not:

Data Q2 Riinvest Household and Labour force Survey data: 1,252 households are interviewed with 8552 members, In the estimation, we consider only those of age 16-64: 4,891 observations Of whom, 431 or 8.8% are abroad

Q2 Defining the explanatory variables Explanatory variables Definition Personal characteristics Age Age of the person Education Dummies: less than upper-secondary (the omitted), upper-secondary and higher Marital status Dummy=1 if married, 0 otherwise Household characteristics Household size Number of household members Household incomes €/month per capita without including remittances Household incomes squared €/month per capita without including remittances squared Contextual characteristics Residence Dummy=1 if the person is from urban areas, 0 if from rural areas Regional dummies Dummies for the 7 main regions (omitted dummy for the Prishtina region)

Findings Q2

Marginal effects Q3

Q3 Q3. Employment possibilities at home and abroad as the driving force of emigration 61% of emigrants aged 16-64 are employed as compared to 30% of non-migrants, We investigate the change in the probability of being employed when a person emigrates, A probit model is estimated: the dependent variable equals 1 if the person is employed in Kosova (in the case of non-migrants) or abroad (in the case of emigrants) and 0 if not. We use the same sample as in the previous estimations.

Definition of variables Q3 Definition of variables Education dummies that proxy for the potential wage. Age and age squared account for work experience and also the changing attitudes toward work with age. Marital status (dummy that equals 1 if married) controls for the effect of family obligations as well as culture, attitudes and family arrangements regarding employment. Residence: dummy=1 if abroad

Findings Q3

Q3 Marginal effects

4. Returns to education for emigrations Q4 4. Returns to education for emigrations Wage differentials due to education among emigrants utilising the Mincerian wage equation The basic Mincerian wage equation (Mincer, 1974) relates the log wage (ln wi) to years of education (Edi) and experience (Expi) and its square (Expi2): Findings indicate if education obtained in Kosova is rewarded in the foreign market. The sample consists of employed emigrants aged 16-64 with non-missing data on monthly wages as reported by the household head in Kosova.

Q4 The explanatory variable: for human capital: education dummies, work experience: age and age squared years of emigration marital status (a dummy that equals 1 if married) gender the country of emigration We do not have sufficient observations to estimate separate regressions by gender. We only allow for differences in the intercept.

Findings Q4

Q5. Determinants of incidence and size of remittances The orthodox theory fails to explain what determines a migrant’s remittances, because it assumes that migration is an individual strategy to maximise income, in which case one would expect to observe zero remittances. The new economics of migration brings a household perspective to migration decisions, where emigration is a household strategy for allocating labour so as to increase household incomes and reduce the risk

Motivation for remitting Q5 Motivation for remitting The motivations for migrant’s remittances are thought to be similar to motivations for other intra-household transfers. First, migrants may remit induced by altruistic behaviour, where remittances increase with migrant’s incomes and the degree of altruism and decrease with household incomes. Second, remittances can also reflect migrants’ desires to diversify their portfolios (Bouhga-Hagbe, 2006). Third, remittances may be viewed as repayments of loans used to finance migration costs and/or migrant’s human capital. Finally, migrants may remit to ensure that in the future they will be given rights towards their household’s wealth.

Q5 Methodology We follow the model provided by Funkhouser (1995), where emigrant’s utility function includes the utility of the household left behind: Where: Um is the emigrant’s own utility and Uh is the household utility in the source country (each are dependent on consumption Cm and Ch respectively). The importance of the utility of the household left behind in the migrant’s own utility U depends on the relationship of the migrant to the household captured by the vector Z.

Q5 We investigate: (i) the probability that an emigrant remits where yi denotes the observed amount of remittances sent home (in €/month) by the emigrant i. We estimate a probit model:

Q5 (ii) determinants of the size of remittances 49% of emigrants aged 16+ remit (i.e. yi>0). For the rest with yi=0 (corner solution), the dependent variable is a continuous variable, but truncated at zero. The Tobit model handles the situations when y is characterised by the corner solution Where yi* is the latent variable and yi is its observed counterpart, xi is a vector of explanatory variables expected to affect yi*,  is the vector of parameters to be estimated

Q5 The Tobit model involves estimating The direction (i.e. the sign) of the effect of explanatory variables xi on yi is the same with regard to Pr(yi>0 | xi) and E(yi | yi>0, xi,). The marginal effect can be split into two parts. First, if yi=0, as xi increases then the probability that yi>0 increases. Second, if yi>0 as xi increases then the mean response of yi increases.

Q5 Defining the explanatory variables

Findings: the probability of remitting Q5

Q5 Marginal effects For a representative male who is: 31 years old, with higher education, married, employed, from urban areas, from a household with 10 members, with household incomes per capita without including remittances at the sample average (€37 per month) and who has 8 years of emigration, the probability of remitting is 0.72. For a similar female, this probability is 0.36. Doubling the household incomes decreases the probability of remitting by 5 percentage points for males and by 4 percentage points for females. Increasing the years in emigration by one year ceteris paribus, increases the probability of remitting by 1 percentage point for males and by 2 percentage points for females.

Findings: The size of remittances (the Tobit model) Q5

Marginal effects (conditional and unconditional) Q5 Marginal effects (conditional and unconditional) For all emigrants, males remit 42 percent more than females (column 3), Of those who remit, males remit 32 percent more than females (column 4). Those who are employed remit 165 percent more than those who are not employed. Of the emigrants who remit, the employed remit 138 percent more than those who are not employed. For all emigrants, a 1 percent increase in household incomes is associated with a decrease in remittances by 0.137 percent ceteris paribus. Of the emigrants who remit, as the household incomes increase by 1 percent the amount remitted decreases by 0.099 percent Finally, for all emigrants an additional year of emigration increases remittances by 3.7 percent, of emigrants who remit the amount remitted increases by 2.7 percent.

Conclusions (1) We provided evidence on emigration and remittances in Kosova The likelihood of emigration decreases with age and increases with education and household size. Some indirect evidence for the positive effect of emigration networks. Emigration decisions are expected to be driven by the perceived higher chances of employment upon emigration.

Conclusions (2) 5. No evidence that education (and experience) obtained in Kosova is rewarded in the foreign labour market. 6. Emigrants who are employed are more likely to remit than the non-employed emigrants. 7. The incidence of remitting and the amount remitted decrease with the household income in Kosova and increase with years of emigration.

Conclusions (3) These findings can be used to provide a better estimation (and forecast) of remittances. This may contribute to better estimation of the consumption and savings by households and therefore improve the national accounts estimates in Kosova.

Thank you!