Você está na página 1de 175
Manual de Soluções • Econ ometria Básica • Gujarati CAPÍTULO 1 A NATUREZA DA ANÁLISE

Manual de Soluções • Econometria Básica •

Gujarati

CAPÍTULO 1 A NATUREZA DA ANÁLISE DE REGRESSÃO

1.1 (a) A seguir temos a tabela com as taxas de inflação (%) calculadas ano sobre ano com início em 1974, pois não há dados anteriores a 1973.

CANADÁ

   

ITÁLIA

JAPÃO

REINO

Estados

FRANÇA

ALEMANHA

UNIDO

Unidos

10,78431

13,58382

6,847134

19,41748

23,17328

0,157706

0,110360

10,84071

11,70483

5,961252

17,07317

11,69492

0,244582

0,091278

7,584830

9,567198

4,360056

16,66667

9,559939

0,164179

0,057621

7,792208

9,563410

3,638814

19,34524

8,171745

0,158120

0,065026

8,950086

9,108159

2,730819

12,46883

4,225352

0,083026

0,075908

9,320695

10,60870

4,050633

15,52106

3,685504

0,134583

0,113497

9,971098

13,67925

5,474453

21,30518

7,701422

0,178679

0,134986

12,48357

13,27801

6,343714

19,30380

4,840484

0,119745

0,103155

10,86449

11,96581

5,314534

16,31300

2,938090

0,085324

0,061606

5,795574

9,487459

3,295572

14,93729

1,732926

0,046122

0,032124

4,282869

7,669323

2,392822

10,61508

2,304609

0,050100

0,043173

4,106972

5,827937

2,044791

8,609865

1,958864

0,060115

0,035611

4,128440

2,534965

–0,095420

6,110652

0,672430

0,034203

0,018587

4,317181

3,239557

0,191022

4,591440

0,000000

0,041775

0,036496

4,054054

2,725021

1,334604

4,985119

0,763359

0,049290

0,041373

4,951299

3,456592

2,728128

6,591070

2,367424

0,077229

0,048183

4,795050

3,341103

2,747253

6,117021

3,052729

0,095344

0,054032

5,608856

3,157895

3,654189

6,390977

3,231589

0,058704

0,042081

1,537386

2,405248

4,987102

5,300353

1,652174

0,036966

0,030103

1,789401

2,135231

4,504505

4,250559

1,283148

0,015980

0,029936

0,202840

1,602787

2,742947

3,916309

0,760135

0,024803

0,025606

2,159244

1,783265

1,830664

5,369128

–0,167645

0,033648

0,028340

1,585205

2,021563

1,498127

3,870652

0,167926

0,024557

0,029528

1,625488

1,188904

1,697417

1,745283

1,676446

0,031215

0,022945

(b)

0,167926 0,024557 0,029528 1,625488 1,188904 1,697417 1,745283 1,676446 0,031215 0,022945 (b)
Manual de Soluções • Econ ometria Básica • Legenda: PC = Canadá PF = França

Manual de Soluções • Econometria Básica •

Legenda:

PC = Canadá PF = França PG = Alemanha PI = Itália PJ = Japão PUK = Reino Unido PUS = Estados Unidos

Gujarati

(c) Pelo gráfico, pode–se ver que, com o passar dos anos, houve, em geral, diminuição da

taxa de inflação de todos os países.

(d) Pode–se usar o desvio-padrão como medida de flutuação das taxas. Para Canadá,

França, Alemanha, Itália, Japão, Reino Unido e Estados Unidos os valores do desvio- padrão são respectivamente 0,036, 0,044, 0,018, 0,062, 0,051 e 0,032. Encontramos,

assim, a maior flutuação nas taxas da Itália, e a menor, nas da Alemanha.

1.2 (a) A seguir está o gráfico com a representação das taxas de inflação dos seis países em relação à dos Estados Unidos.

dos seis países em relação à dos Estados Unidos. (b) O gráfico mostra que há correlação

(b) O gráfico mostra que há correlação positiva entre as taxas de inflação dos seis países

e a dos Estados Unidos.

(c) Lembre–se de que correlação não implica causalidade. Talvez seja necessário

consultar um livro de macroeconomia internacional para saber se há uma relação causal entre a taxa de inflação dos Estados Unidos e as dos outros países.

Manual de Soluções • Econ ometria Básica • Gujarati 1.3 (a) Para melhor visualização do

Manual de Soluções • Econometria Básica •

Gujarati

1.3 (a) Para melhor visualização do gráfico, representamos o logaritmo da taxa de câmbio no eixo vertical e o tempo no eixo horizontal.

de câmbio no eixo vertical e o tempo no eixo horizontal. Como se vê, as taxas

Como se vê, as taxas de câmbio apresentam considerável flutuação. Em 1977, por exemplo, um dólar americano valia 268 ienes, mas somente 94 ienes em 1995.

(b) O cenário é, novamente, variado. Entre 1977 e 1995, por exemplo, o dólar americano se depreciou em relação ao iene, e daí começou a se apreciar. O panorama é semelhante em relação às outras moedas.

1.4 O gráfico da oferta de moeda M1, nos Estados Unidos, de janeiro de 1951 a setembro de 1999, é o seguinte:

de janeiro de 1951 a setembro de 1999, é o seguinte: À medida que o PIB

À medida que o PIB cresce ao longo do tempo, faz–se naturalmente necessário ampliar a oferta de moeda para financiar o aumento da produção.

Manual de Soluções • Econ ometria Básica • Gujarati 1.5 Algumas das variáveis pertinentes seriam:

Manual de Soluções • Econometria Básica •

Gujarati

1.5 Algumas das variáveis pertinentes seriam: (1) salários ou ganhos nas atividades criminosas; (2) salários ou ganhos por hora em atividades lícitas; (3) probabilidade de ser apanhado; (4) probabilidade de condenação; (5) sentença esperada após a condenação. Repare que não deve ser fácil conseguir dados sobre ganhos em atividades ilegais. Mesmo assim, consulte o artigo de Gary Becker citado no livro- texto.

1.6 Um fator essencial nessa análise seria a taxa de participação na força de trabalho (TPFT) de pessoas na faixa etária dos 65 aos 69 anos. Um aumento dessa taxa, se constatado após a entrada em vigência da nova lei, seria forte indício de que a lei anterior restringira artificialmente a participação desses cidadãos no mercado. Também seria interessante descobrir que tipos de empregos esses trabalhadores conseguem e quanto ganham. Os dados sobre PFT são coletados pelo Departamento do Trabalho (Estados Unidos).

1.7 (a), (b) & (c) De acordo com o gráfico, parece haver uma relação positiva, embora não muito forte, entre as duas variáveis, indicando que pode valer a pena anunciar. Do contrário, más notícias para a indústria da publicidade.

anunciar. Do contrário, más notícias para a indústria da publicidade. Vertical = Impressões Horizontal = Desppub

Vertical = Impressões Horizontal = Desppub

Manual de Soluções • Econ ometria Básica • Gujarati CAPÍTULO 2 ANÁLISE DE REGRESSÃO COM

Manual de Soluções • Econometria Básica •

Gujarati

CAPÍTULO 2 ANÁLISE DE REGRESSÃO COM DUAS VARIÁVEIS: ALGUMAS IDÉIAS BÁSICAS

2.1 A função informa como varia a resposta média das subpopulações de Y com os

valores dados da(s) variável(is) explanatória(s).

2.2 A distinção entre as funções de regressão amostral e populacional é importante,

pois aquela é um estimador desta. Na maioria dos casos, o que temos é uma amostra de observações da qual tentamos extrair informações sobre a população a que ela se refere.

2.3 Um modelo de regressão não é, de forma alguma, uma descrição absolutamente

fiel da realidade. Assim, é certo que haverá diferenças entre o valor real do regressando e seus valores estimados pelo modelo escolhido. Tal diferença é simplesmente o termo de erro estocástico, cujas diversas formas são discutidas no texto. O resíduo é a contrapartida amostral do termo de erro estocástico.

2.4 Embora seja certo que podemos usar o valor médio, o desvio-padrão e outras

medidas sumárias para descrever o comportamento do regressando, estamos em geral interessados em saber se há alguma força causal que o afeta. Se houver, poderemos fazer um melhor prognóstico do seu valor médio com a análise de regressão. Também não podemos esquecer que os modelos econométricos são quase sempre desenvolvidos para testar uma ou mais teorias econômicas.

2.5

É um modelo linear nos parâmetros, mas que pode ou não ser linear nas variáveis.

2.6

Os modelos

(a),

(b),

(c)

e

(e) são modelos

de regressão lineares

(nos

parâmetros). O modelo (d) também será linear se fizermos α = lnβ 1 .

2.7 (a) Aplicando o logaritmo natural, obtemos lnY i = β 1 + β 2 X i + u i , que assim é um

modelo de regressão linear.

(b) A seguinte transformação, conhecida como logit, faz deste um modelo de regressão linear: ln[(1-Y i )/Y i ] = β 1 + β 2 X i + u i.

(c)

Modelo de regressão linear.

(d)

Modelo de regressão não-linear.

(e)

Modelo de regressão não-linear, pois β 2 está elevado ao cubo.

Manual de Soluções • Econ ometria Básica • Gujarati 2.8 Um modelo de regressão intrinsecamente

Manual de Soluções • Econometria Básica •

Gujarati

2.8 Um modelo de regressão intrinsecamente linear é aquele que se pode fazer linear nos parâmetros, como o modelo em 2.7 (a). Se β 2 na Questão 2.7 (d) fosse 0,8, esse

seria um modelo de regressão linear, já que

2.9 Todos são modelos de regressão intrinsecamente lineares, como demonstramos a seguir:

e

0,8(

X

i

2)

pode ser facilmente calculado.

(a)

A transformação (1/Y i ) = β 1 + β 2 X i converte o modelo em linear.

(b)

Escrever o modelo como (X i /Y i ) = β 1 + β 2 X i converte-o em linear.

(c)

A transformação ln[(1-Y i )/Y i ] = β 1 β 2 X i converte o modelo em linear.

2.10 O gráfico de dispersão indica que, em média, os salários nos países que

exportam mais exibem maior crescimento real do que naqueles que exportam menos. É por isso que muitos países em desenvolvimento seguem uma política de crescimento voltada para a exportação. A linha de regressão traçada no gráfico é amostral, pois se

baseia numa amostra de 50 países em desenvolvimento.

2.11 De acordo com o conhecidíssimo modelo de comércio de Heckscher-Ohlin, os

países têm tendência a exportar mercadorias que, para serem produzidas, utilizem intensivamente seus fatores de produção mais abundantes. Em outras palavras, este modelo enfatiza a relação entre dotação de fatores e vantagem comparativa.

2.12 O gráfico de dispersão mostra que quanto mais alto o salário mínimo, mais baixo é o PNB per capita, indicando, portanto, que a legislação relativa à remuneração mínima pode não ser boa para os países em desenvolvimento, mas há controvérsia quanto a esse assunto. O resultado desse tipo de legislação pode depender do efeito que causa nos empregos, da natureza da indústria do local onde é imposta e da intensidade com que o governo a impõe.

2.13 É uma FRA porque se baseia numa amostra de 15 anos de observações. Os

pontos dispersos em torno da linha de regressão são de dados reais. A diferença entre as despesas em consumo reais e as estimadas pela linha representa o resíduo (amostral). Além do PIB, fatores como riqueza, taxa de juros etc. podem afetar as despesas em consumo.

Manual de Soluções • Econ ometria Básica • Gujarati 2.14 (a) O gráfico de dispersão

Manual de Soluções • Econometria Básica •

Gujarati

2.14 (a) O gráfico de dispersão é o seguinte:

Gujarati 2.14 (a) O gráfico de dispersão é o seguinte: Vertical = TPFTC H Horizontal =

Vertical = TPFTCH Horizontal = TDCH

A relação positiva entre as duas variáveis parece surpreendente porque se esperaria, a priori, que fossem negativamente relacionadas. Mas a hipótese do efeito do trabalhador adicional da Economia do Trabalho sugere que quando o desemprego aumenta, a força de trabalho secundária pode ingressar no mercado de trabalho para garantir alguma renda familiar.

(b) Segue o gráfico de dispersão:

po de ingressar no mercado de trabalho para garantir alguma renda familiar. (b) Segue o gráfico
Manual de Soluções • Econ ometria Básica • VERTICAL = TPFTC M HORIZONTAL = TDC

Manual de Soluções • Econometria Básica •

VERTICAL = TPFTCM HORIZONTAL = TDCM

Gujarati

Parece que temos aqui em ação a hipótese do efeito desalento da Economia do Trabalho: o desemprego desestimula as mulheres a participarem da força de trabalho por não acreditarem que haja oportunidades de emprego.

(c) A representação gráfica da TPFTCH em relação aos GHM82 mostra o seguinte:

da TPFTCH em relação aos GHM82 mostra o seguinte: VERTICAL = TPFTC H HORIZONTAL = GHM82

VERTICAL = TPFTCH HORIZONTAL = GHM82

E representação gráfica correspondente para as mulheres é:

HORIZONTAL = GHM82 E representação gráfica correspondente para as mulheres é: VERTICAL = TPFTC M HORIZONTAL

VERTICAL = TPFTCM HORIZONTAL = GHM82

Manual de Soluções • Econ ometria Básica • Gujarati Há uma relação assimétrica entre as

Manual de Soluções • Econometria Básica •

Gujarati

Há uma relação assimétrica entre as duas variáveis para homens e mulheres. Os homens respondem positivamente a salários maiores, ao passo que as mulheres respondem negativamente, o que parece desconcertante. Pode ser que ganhos maiores resultantes de salários mais altos para os homens induzam as mulheres a se retirarem da força de trabalho, algo que pode acontecer com os casais. Mas é preciso ter cuidado, pois aqui estamos trabalhando com regressões simples de apenas duas variáveis. As conclusões anteriores podem mudar quando estudarmos análise de regressão múltipla.

2.15 (a) O gráfico de dispersão e a linha de regressão ficam assim:

gráfico de dispersão e a linha de regressão ficam assim: Vertical = DESPALIM Horizontal = DESPTOT

Vertical = DESPALIM Horizontal = DESPTOT

(b) Na média, à medida que crescem as despesas totais também crescem as despesas

com alimentação. Mas há uma flutuação maior entre as duas depois que as despesas

totais passam de Rs. 2000.

(c) Não esperaríamos que as despesas com alimentação crescessem indefinidamente

de forma linear (isto é, como uma linha reta). Satisfeitas as necessidades básicas das pessoas, elas gastarão menos em alimentação à medida que sua renda aumentar. Quer dizer, consumidores com renda mais alta fazem despesas mais discricionárias. Há sinais disso no gráfico de dispersão mostrado em (a): as despesas com alimentação mostram mais flutuação no nível de renda acima de Rs. 2000.

Manual de Soluções • Econ ometria Básica • Gujarati 2.16 (a) A representação gráfica da

Manual de Soluções • Econometria Básica •

Gujarati

2.16 (a) A representação gráfica da pontuação de homens e mulheres em aptidão verbal é a seguinte:

ção de homens e mulheres em aptidão verbal é a seguinte: MALEVERB =VERBH FEMVERB = VERBM

MALEVERB =VERBH FEMVERB = VERBM

E a

matemática é a seguinte:

representação

correspondente

da

pontuação

de

homens

e

mulheres

em

correspondente da po ntuação de homens e mulheres em MALEMATH = MATH FEMMATH = MATM (b)

MALEMATH = MATH FEMMATH = MATM

(b) Ao longo dos anos, a pontuação de homens e mulheres em aptidão verbal mostra

uma tendência descendente, enquanto depois de atingir o nível mais baixo em 1980,

os cálculos mostram uma tendência ascendente, com variações ano a ano, é claro.

(c) Pode-se elaborar um modelo de regressão simples, fazendo a regressão da pontuação em matemática contra a de aptidão verbal para ambos os sexos.

Manual de Soluções • Econ ometria Básica • (d) O gráfico é o seguinte: Gujarati

Manual de Soluções • Econometria Básica •

(d) O gráfico é o seguinte:

Gujarati

ometria Básica • (d) O gráfico é o seguinte: Gujarati VERTICAL = VERBM HORIZONTAL = VERBH

VERTICAL = VERBM HORIZONTAL = VERBH

O gráfico mostra que as duas pontuações evoluíram na mesma direção ao longo do tempo.

Manual de Soluções • Econ ometria Básica • Gujarati CAPÍTULO 3 MODELO DE REGRESSÃO DE

Manual de Soluções • Econometria Básica •

Gujarati

CAPÍTULO 3 MODELO DE REGRESSÃO DE DUAS VARIÁVEIS: O PROBLEMA DA ESTIMAÇÃO

3.1 (1) Y i = β 1 + β 2 X i + u i , logo, E(Y i |X i ) = E[(β 1 + β 2 X i + u i )|X i ]

E(Y i |X i ) = β 1 + β 2 X i + E(u i |X i ), visto que β 1 e β 2 são constantes e X é não-estocástico.

E(Y i |X i ) = β 1 + β 2 X i , já que E(u i |X i ) = 0, por premissa.

(2) Dado que cov(u i u j )=0 para todo i,j (ij), então

cov(Y i Y j ) = E{[Y i - E(Y i )] [Y j - E(Y j )]}

cov(Y i Y j ) = E(u i u j ), dos resultados em (1)

cov(Y i Y j ) = E(u i )E(u j ), porque é premissa que os termos de erro não estão correlacionados,

cov(Y i Y j ) = 0, já que o valor médio de u i é zero, por premissa.

(3) Dado que var(u i |X i ) = σ 2 , var(Y i |X i ) = E[Y i - E(Y i )] 2 = E(u i 2 ) = var(u i |X i ) = σ 2 , por premissa.

3.2

Logo,

ˆ

β =

2

 

Y i

X i

y i

x i

x

y

i

i

x i

2

4

1

–3

–3

9

9

5

4

–2

0

0

0

7

5

0

1

0

1

12

6

5

2

10

4

 

soma

28

16

0

0

19

14

Nota:

Y = 7 e

X = 4.

 

x y

i

i

=

19

= 1,357;

ˆ

β

=

Y

ˆ

β X

= 1,572.

x

2

i

14

1

2

Manual de Soluções • Econ ometria Básica • 3.3 A FRP é: Y i =

Manual de Soluções • Econometria Básica •

3.3 A FRP é: Y i = β 1 + β 2 X i + u i.

Gujarati

Situação 1: β 1 = 0, β 2 = 1, e E(u i ) = 0, resultando E(Y i |X i ) = X i

Situação 2: β 1 = 1, β 2 = 0, e E(u i ) = (X i 1), o que dá E(Y i |X i ) = X i , o mesmo resultado da situação 1.

Logo, sem a premissa E(u i ) = 0, não se pode estimar os parâmetros porque, como acabamos de demonstrar, a mesma distribuição condicional de Y é obtida, embora os valores presumidos dos parâmetros sejam bem diferentes nas duas situações.

3.4 Impondo a primeira restrição, obtemos:

∑ ∑

ˆ

(

uY=

ii

normal.

)

−−β ˆ β ˆ X = 0

1

2

i

, equação que, simplificada, dá a primeira equação

Impondo a segunda restrição, obtemos:

ˆ

uX =

ii

normal.

(

Y −− β ˆ β ˆ X X ⎤ ⎦ = 0

i

1

2

i

)

i

, equação que, simplificada, dá a segunda equação

A primeira restrição corresponde à premissa de que E(u i |X i ) = 0. A segunda restrição

corresponde à premissa de que não há correlação entre o termo de erro populacional e

a variável explanatória X i , isto é, cov(u i X i )=0.

3.5 Da desigualdade de Cauchy-Schwarz temos que

E ( XY

)

2

E X EY

(

2

)(

2

)

1

.

Ora,

r

2

=

(

x y

i

i

)

2

y

2

i

x

2

i

1

, por analogia com a desigualdade de Cauchy–Schwarz, o que

2

também é verdadeiro para ρ , o coeficiente de correlação populacional elevado ao quadrado.

3.6 Observe que

β

yx

=

x y

i

i

2

i

x

e que

β

xy

=

x y

i

i

y

2

i

. Multiplicando as duas equações,

obtemos a expressão para r 2 , o coeficiente de correlação amostral elevado ao quadrado.

Manual de Soluções • Econ ometria Básica • Gujarati ˆ ˆ 3.7 Mesmo que feita

Manual de Soluções • Econometria Básica •

Gujarati

ˆ

ˆ

3.7 Mesmo que

feita a regressão de Y contra X ou de X contra Y, pois o que é igual a um é somente o

produto das duas, e isso não implica que

β β =

yx

xy

1 , ainda faria diferença (pela causalidade e teoria) se fosse

ˆ

ˆ

β =β .

yx

xy

3.8 As médias das duas variáveis são iguais a:

+ 1

Y

=

X

=

n

,

2

e a correlação entre os dois rankings é:

(1)

∑ x y i i r = , 2 2 ∑ ∑ x y i
x y
i
i
r =
,
2
2
∑ ∑
x
y
i
i

em que as letras minúsculas, como sempre, indicam desvio dos valores médios.

Como os rankings são permutações dos n primeiros números naturais, então:

2

i

x

=−

i

X

2

(

X

i

)

2

=

(

nn

++ 1)(2

n

1)

(

nn

1)

2

=

(

nn

2

1 )

 

n

6

4

 

12

 
 

2

   

2

(

n n

1

) , então

 

e, analogamente,

∑∑

d

2

=

X

Y

y =

i

22

=

X

12

2

Y

+−

XY

2)

=

2

(

nn

+

1)(2

n

+

1)

X Y =

(

nn (

i

+

i

1)(2

)

n

+

1)

(

i

d

2

i

ii

6

i

i

6

2

.

(2)

Como

=

XY

∑ ∑

X

i

Y

i

, usando (2), obtemos:

 

xy

i

nn ++n

(

1)(2

i

1)

ii

d

2

−−

n

nn ( +

1)

2

=

2

nn (

1)

2 .

d

2

3

2

 

4

12

 

2

(3)

X Y

i

i

, logo

Agora, basta substituir as equações anteriores na equação (1) para obter a resposta.

Manual de Soluções • Econ ometria Básica • Gujarati 3.9 (a) β = ˆ Y

Manual de Soluções • Econometria Básica •

Gujarati

3.9 (a)

β= ˆ Y β ˆ X e ˆ Y

1

2

i

α

1

=

ˆ

β x [Observação:

2

αˆ

1

var

= Y , já que

(

ˆ

β =

1

)

X

2

i

n

x

2

i

σ

2

x =

i

0 .

e var

( ˆ )

α =

1

x

2

i

σ

2

nx

2

σ =

2

i n

.

x = X X ].

i

i

(

)

Logo, nem as estimativas nem as variâncias dos estimadores são iguais.

(b)

ˆ

β

2

=

x y

i

i

2

i

x

e

α=

ˆ

x y

i

i

1

x

2

i

, já que

(

x = X X

i

i

É fácil verificar que var

ˆ

(β

2

) =

var

( ˆ

α

2

)

σ 2

=

x

2

i

.

)

Ou seja, as estimativas e as variâncias dos dois estimadores são idênticas.

(c) Pode ser mais fácil usar o modelo II com números X grandes, embora com os

rápidos computadores atuais isso não seja mais um problema.

3.10 Como

∑ ∑

x =

i

y =

i

0 , ou seja, a soma dos desvios em relação ao valor médio é

. O

sempre zero,

fato relevante aqui é que se tanto Y quanto X forem expressas como desvios em relação às respectivas médias, a linha de regressão passará pela origem.

também são iguais a zero ( x = y = 0 ). Assim,

β=−y ˆ β ˆ x = 0

1

2

x e y

ˆ

β

2

=

∑ ( x − x y )( − y ) xy ii = ∑ i
(
x
x y
)(
y
)
xy
ii
= ∑
i
i
2 2 ,
(
xx
)
x
i
i

já que as médias

zero. Esta é a Equação (3.1.6) do livro-texto.

das duas variáveis são iguais a

3.11 Sejam

Z

i

= aX + b e

i

W = cY + d ,

i

i

que, em

z

i

= ax

i

e

w

i

= cy i

(3.5.13) do texto.

. Por definição,

r

2

=

∑ z w i i 2 2 ∑∑ z w i i
z w
i
i
2
2
∑∑
z
w
i
i

formato de desvios, tornam–se

=

ac ∑ x yi i = 22 ac ∑∑ x y ii
ac
x yi
i
=
22
ac
∑∑
x
y
ii

r

1

na Equação

3.12 (a) Verdadeira. Na Questão 3.11, façamos a e c iguais a -1 e b e d iguais a 0.

(b) Falsa. Consultando novamente a Questão 3.11, veremos que será negativo.

Manual de Soluções • Econ ometria Básica • Gujarati (c) Verdadeira. Como r xy =

Manual de Soluções • Econometria Básica •

Gujarati

(c)

Verdadeira.

Como

r

xy

= r >

yx

0 ,

S e

x

respectivamente) são ambos positivos, e

têm de ser positivos.

r

yx

S

y

(os

=β

yx

S

x

S

y

e

desvios-padrão

de

r

xy

= β

xy

S

y

S

x

, então

X

e

Y

β e β

xy

yx

3.13 Sejam Z=X 1 +X 2 e W=X 2 +X 3 . Em formato de desvios, podemos escrevê–las como

z=x 1 +x 2 e w=x 2 +x 3 . Por definição, a correlação entre Z e W é:

r zw

=

∑ z w i i 2 2 ∑∑ z w i i
z w
i
i
2
2
∑∑
z
w
i
i

=

(

x

1

+

x

)(

x

22

+

x

3

)

2 2 ∑ ( xx ++ ) ∑ ( xx ) 12 23
2
2
(
xx
++
)
(
xx
)
12
23

=

x

2

2

2 22 2 ( ∑ x + ∑ ∑ x )( x + ∑ x
2
22
2
(
x
+
∑ ∑
x
)(
x
+
x
1
2
2
3

,

porque

X 1 , X 2 e X 3 não são correlacionadas. (Nota: por conveniência, omitimos o subscrito de observação).

r

zw

=

2 σ 1 = 2 2 2 (2 σ + 2 σ
2
σ
1
=
2
2
2
(2
σ
+
2
σ

, em que

σ

2 é a variância comum.

O coeficiente não é zero porque os pares combinados são correlacionados, ainda que

as variáveis X 1 , X 2 e X 3 não sejam individualmente correlacionadas.

Como acabamos de demonstrar,

é uma constante diferente de zero.

zw = σ

2 , denotando que a covariância entre z e w

3.14 Os resíduos e os valores ajustados de Y não mudarão. Sejam

Y

i

=+β β + u e

1

2

X

i

i

Y

i

ˆ

β

2

=+α α

1

2

=

xy

2

x

Z

i

+ u , em que Z=2X. Empregando o formato de desvios, sabemos que

i

, omitido o subscrito de observação.

2

zy

ii

xy

ii

1

ˆ

ˆ

α ==

2

z

2

i

4

2

i

x

= β

2

2

ˆ

ˆ

ˆ

ˆ

β= Y β X ; α =−α = β (Nota: Z = 2 X )

ˆ

1

Y

2

Z

1

2

1

Ou seja, o intercepto não é afetado. Em conseqüência, os valores ajustados de Y e os resíduos mantêm–se os mesmos ainda que X i seja multiplicado por 2. A análise é análoga para o caso de uma constante ser somada a X i .

3.15 Por definição, Manual de Soluções • Econ ometria Básica • Gujarati ( ∑∑ ˆ

3.15 Por definição,

Manual de Soluções • Econometria Básica •

Gujarati

(

∑∑

ˆ )

yy

i

i

2

[

( ˆ

y

i

+

u

i

ˆˆ)(

y

i

)]

2

ˆ

y

2

i

2

r ==

ˆ

yy

(

∑∑

22

ˆ

yy

ii

)(

)

(

∑∑

22

ˆ

yy

ii

)(

)

y

2

i

=

, já que

ˆ

β

2

x

i

)

2

=

22

β

2

x

i

ˆ

 

 

2

y

2

= r

y

i

i

2 (

r

ˆ

yy

=

2 , aplicando a Equação (3.5.6) do texto.

ˆ ˆ

y u =

i

i

0

.

3.16 (a) Falsa. A covariância pode assumir qualquer valor, e este depende das

unidades de medida. O coeficiente de correlação, por outro lado, não tem unidades, é

uma grandeza adimensional.

(b) Falsa. Veja a Figura 3.11(h) no texto. Lembre–se de que o coeficiente de correlação é uma medida de relação linear entre duas variáveis. Daí, como mostra a Figura 3.11(h), há uma relação perfeita entre Y e X, mas ela não é linear.

que se

fizermos uma regressão de

será 0. Mas uma prova formal pode ser feita como segue: se fizermos uma regressão

de

y contra y , o coeficiente angular será 1, e o intercepto

(c) Verdadeira. Em formato de desvios, temos

y contra

i

ˆ

i

ˆ

i

y = y ˆ + u ˆ .

i

i

i

ˆ

Então é óbvio

y , obteremos o coeficiente angular, digamos, α , sob a forma

i

ˆ

yy

ˆ

β

xy

i

i

ˆ

2

β

ˆ ==

α

y ˆ

2

i

i

22

β

x

i

ˆ

ˆ

2

β

=

=

1

, porque

ˆ

y

i

ˆ

=β x e

i

ˆ

x y =β

i

i

x

2 para o modelo de

i

duas variáveis. O intercepto nesta regressão é zero.

ˆ

3.17 Escreva a regressão amostral assim:

quadrados, temos de minimizar:

ao único parâmetro conhecido e iguale o resultado a zero para obter:

Y

i

=

ˆ

β

1

+ u . Pelo princípio dos mínimos

i

ˆ

ˆ

u

2

i

=

(

Y β )

i

1

2

. Derive essa equação em relação

d ( u ˆ

2

i

)

d β

1

=

2

(

Y

i

ˆ

−− =

β

1

)(

1)

0

, que simplificada dá

ˆ

β

1

= Y , ou seja, a média amostral. E

sabemos que a variância da média amostral é

σ

2

y

n

e σ

2

a variância de Y. A SQR é

(

YY

i

)

2

=

y

2

i

, em que n é o tamanho da amostra

e

ˆ

2

σ =

SQR

y

2

i

=

(

n

1)

(

n

1 )

. Vale a pena

σˆ significativamente, o que

acrescentar a variável X ao modelo se ela reduzir

acontecerá se ela tiver qualquer influência sobre Y. Resumindo, o que pretendemos nos modelos de regressão é que as variáveis explanatórias possam dar um prognóstico

2

Manual de Soluções • Econ ometria Básica • Gujarati de Y melhor do que simplesmente

Manual de Soluções • Econometria Básica •

Gujarati

de Y melhor do que simplesmente seu valor médio. Em verdade, podemos ver isso formalmente. Recorde que para o modelo de duas variáveis obtido da Equação

for diferente de

(3.5.2):SQR=STQ–SQE =

zero, a SQR do modelo que tenha no mínimo um regressor será menor do que a do modelo sem regressor. É claro que se houver mais regressores no modelo e seus coeficientes angulares forem diferentes de zero, a SQR será muito menor do que no modelo sem regressor.

∑∑∑

2

ˆ

2

y −=−y

ii

y

i

22

β

2

ˆ

x

2

i

. Logo, se

ˆ

β

2

Problemas

3.18 Tirando a diferença entre os dois rankings, obtemos:

d

–2

1 –1

 

3

0

–1

–1

–2

1 2

d

2

4

 

1 9

1

 

0

1

1

4

1 4

d 2 =26. Assim, o coeficiente de correlação de rankings de Spearman é

1

r =−

s

6

d

2

6(26)

(

2

n n

1)

10(10

2

1)

1

=−

=

0,842

. Há, portanto, um alto grau de correlação entre

as posições dos estudantes nas provas de meio e de final de período: quanto mais alta ela for na primeira, mais alta será na segunda.

3.19 (a) O valor de –4,318 para o coeficiente angular indica que durante o período 1980–1994 a taxa de câmbio (marco/US$) baixou cerca de 4,32 unidades para cada unidade de aumento no preço relativo, em média. Isto é, o dólar americano depreciou, porque 1 dólar comprava menos marcos alemães. O valor de 6,682 para o intercepto, interpretado literalmente, significa que se a relação de preços relativos fosse zero, um dólar valeria 6,682 marcos alemães. Essa interpretação, é claro, não é economicamente significativa.

(b) O valor negativo do coeficiente angular faz muito sentido econômico porque se os

preços nos Estados Unidos subirem mais rapidamente do que os da Alemanha, os consumidores internos passarão a comprar mercadorias alemãs, aumentando assim a demanda pelo marco alemão, o que levará à sua apreciação. Esta é a essência da teoria da paridade do poder de compra (PPC), ou lei do preço único.

(c) Acreditamos que, nesse caso, o coeficiente angular seria positivo, pois quanto

maior fosse o IPC alemão em relação ao IPC americano, maior seria a taxa de inflação relativa na Alemanha, o que levaria à apreciação do dólar americano. Temos, outra vez, a essência da PPC.

Manual de Soluções • Econ ometria Básica • Gujarati 3.20 (a) Os gráficos de dispersão

Manual de Soluções • Econometria Básica •

Gujarati

3.20 (a) Os gráficos de dispersão são os seguintes:

3.20 (a) Os gráficos de dispersão são os seguintes: VERTICAL = REMSEMP HORIZONTAL = PRODSEMP Vertical

VERTICAL = REMSEMP HORIZONTAL = PRODSEMP

de dispersão são os seguintes: VERTICAL = REMSEMP HORIZONTAL = PRODSEMP Vertical = REMSENA Horizontal =

Vertical = REMSENA Horizontal = PRODSENA

Manual de Soluções • Econ ometria Básica • Gujarati (b) Os dois gráficos mostram que

Manual de Soluções • Econometria Básica •

Gujarati

(b) Os dois gráficos mostram que há uma relação positiva entre remuneração e produção, o que não é surpresa, considerando a teoria da produtividade marginal da Economia do Trabalho.

(c) Os gráficos anteriores demonstram que a relação entre remuneração e produção,

embora seja positiva, não é linear. É possível, portanto, que não se consiga um bom ajuste entre os dados e um modelo de regressão linear. Mas se, como de praxe, fizermos esse ajuste, teremos os seguintes resultados, nos quais SEMP é setor empresarial; SENA, setor empresarial não-agrícola; PROD, produção por hora; e REM, remuneração real por hora.

REMSEMP = –109,3833 + 2,0039 PRODSEMP

ep =

(9,7119)

(0,1176)

r 2 = 0,8868

REMSENA = –123,6000 + 2,1386 PRODSENA

ep =

(11,0198)

(0,1312)

r 2 = 0,8777

Como esperado, a relação entre as duas é positiva. Surpreendentemente, o valor de r 2 é bem alto.

3.21

 

Y i

X i

X i Y i

X i 2

Dados

1110

1700

205500

322000

originais:

Dados

1110

1680

204200

315400

revisados:

Y i

2

132100

133300

Portanto, o coeficiente de correlação corrigido é 0,9688.

3.22 (a) Se representarmos estas variáveis em relação ao tempo, veremos que, em geral, subiram. Há, no caso do ouro, considerável volatilidade de preço.

(b)

Se a hipótese fosse verdadeira, seria de se esperar que

(c)

Preço do ouro t = –186,183 + 1,842 IPC t

ep = (125,403)

(1,125)

NYSE t = –102,060 + 2,129 IPC t

ep = (23,767)

(0,230)

β 1.

2

r 2 = 0,150

r 2 = 0,868

Parece que o mercado de ações é melhor garantia contra a inflação do que o ouro. Como veremos no Capítulo 5, o coeficiente angular da equação do preço do ouro não é

estatisticamente significativo.

Manual de Soluções • Econ ometria Básica • Gujarati 3.23 (a) Segue o gráfico, em

Manual de Soluções • Econometria Básica •

Gujarati

3.23 (a) Segue o gráfico, em que PIBN e PIBR são, respectivamente, PIB nominal e

PIB real.

PIBN e PIBR são, respectivamente, PIB nominal e PIB real. NGDP = PIBN RGDP = PIBR

NGDP = PIBN RGDP = PIBR

(b)

PIBN t = –986,3317 + 201,9772 tempo ep = (1907,715) + 128,7820

r 2 = 0,9277

PIBR t = 1907,715 + 128,7820 tempo

ep = (45,1329)

(1,9666)

r 2 = 0,9914

(c)

Nesse caso, o coeficiente angular informa a taxa de variação do PIB por intervalo

de tempo.

 

(d)

A diferença entre os dois representa a inflação ao longo do tempo.

(e)

Como indicam o gráfico e os resultados da regressão, o PIB nominal tem crescido

mais rápido que o PIB real, sugerindo que a inflação tem subido com o passar do tempo.

3.24 Este é simples e direto.

3.25 (a) Veja o gráfico do Exercício 2.16(d).

(b) Seguem os resultados da regressão, em que Y é a pontuação das mulheres em

aptidão verbal e X, a dos homens:

ˆ

Y

t

= -198,126 + 1,436

X

t

Manual de Soluções • Econ ometria Básica • Gujarati (c) Como ressaltamos no texto, uma

Manual de Soluções • Econometria Básica •

Gujarati

(c) Como ressaltamos no texto, uma relação estatística, por mais forte que seja, não determina causalidade, a qual tem de ser estabelecida a priori. Neste caso, não há razão para suspeitar de relação causal entre as duas variáveis.

3.26 Os resultados da regressão são:

ˆ

Y = -189,057 + 1,285

t

X

t

ep = (40,927)

(0,082)

r 2 = 0,918.

3.27 Este é para ser feito em sala de aula.

Manual de Soluções • Econ ometria Básica • Gujarati CAPÍTULO 4 A PREMISSA DA NORMALIDADE:

Manual de Soluções • Econometria Básica •

Gujarati

CAPÍTULO 4 A PREMISSA DA NORMALIDADE: MODELO NORMAL DE REGRESSÃO LINEAR CLÁSSICO (MNRLC)

Exercícios do Apêndice 4A.

4.1 Dado que o coeficiente de correlação entre Y 1 e Y 2 , ρ, é igual a zero, a função de densidade de probabilidade normal bivariada (de duas variáveis) fica reduzida a:

2 2 ⎤ 11 ⎡ ⎛ Y − ⎞⎛ 1 μ Y − μ ⎞
2
2
11 ⎡
⎛ Y
− ⎞⎛ 1
μ
Y −
μ
11
2
2
fYY =
(
,
)
exp ⎢−−
⎟⎜
1
2
2
πσ σ
σ
σ
22 ⎠⎝
1
2
⎢ ⎣
1
2
⎥ ⎦
2
2
⎡⎤
⎤⎫ ⎪
⎧ ⎪
11
⎛ Y − ⎞
μ
⎫⎧ ⎪⎪
11 ⎡
⎛ Y −
μ
=
exp
⎢⎥−
1
1
2
2
⎬⎨
exp
⎢−
= f Y fY
)
()(
,
em
que
1
2
σ
2
π
⎢⎥
2
σ
σ
π
2
σ
2
1
⎪⎪
1
⎣⎦⎭⎩
2
⎣ ⎢
2
⎦⎭
f (Y )
e
f (Y
) são as funções de densidade de probabilidade normal univariadas (de
1
2

uma variável). Então, quando ρ for zero,

) , o que é a condição

para independência estatística. Portanto, no caso normal bivariado, a correlação zero implica independência estatística.

f (,YY ) = fY()(fY

12

1

2

4.2 Para assegurar que os estimadores de máxima verossimilhança maximizem a função de verossimilhança, as derivadas segundas da Equação (5) do Apêndice 4A têm de ser menores que zero, o que garantirá que a SQR seja minimizada.

2

ln LF

n

=−

< 0

 

2

β

1

σ

2

.

2

ln LF

=−

X

2

i

< 0

.

 
 

2

β

2

2 ln

LF

=

σ

n

2

1

(

Y

−−

X

)

2

=

1

n

1

(

σ

22

)

Como

2

=

2(

σσ

22

)

(

23

)

uY β

=

(

ii

1

2

−− ˆ

1

u ˆ

2

1

1

ˆ

β X

2

<

0

i

i

)

β β

1

2

i

σσσ

2

2

2

()

22

11

22

=

σσ

2

2(

22

)

ˆ

u

i

(

1

σ

22

)

u ˆ

i

 

u

i

   

⎠ ⎟

 

.

 

2

()

σ

3

î

⎝ ⎜

2

 

2

u ˆ

2

i

.

, da Equação (11),

Uma vez que todas as segundas derivadas são negativas, os estimadores maximizam a função de verossimilhança.

4.3 Como X segue a distribuição exponencial, sua função de densidade de probabilidade (FDP) é:

f () x = fX ( i ) FV ( X i , θ )

f () x

= fX (

i )

FV ( X

i ,

θ )

= ⎜ ⎝

= ⎜ ⎝

1

θ

⎟ ⎠

Manual de Soluções • Econometria Básica •

Gujarati

X

i

e θ

. Portanto, a função de verossimilhança será:

1

θ

⎟ ⎠

n 1

exp

θ