Escolar Documentos
Profissional Documentos
Cultura Documentos
CAPTULO 1
A NATUREZA DA ANLISE DE REGRESSO
1.1 (a) A seguir temos a tabela com as taxas de inflao (%) calculadas ano sobre ano
com incio em 1974, pois no h dados anteriores a 1973.
CANAD
FRANA
ALEMANHA
ITLIA
JAPO
10,78431
10,84071
7,584830
7,792208
8,950086
9,320695
9,971098
12,48357
10,86449
5,795574
4,282869
4,106972
4,128440
4,317181
4,054054
4,951299
4,795050
5,608856
1,537386
1,789401
0,202840
2,159244
1,585205
1,625488
13,58382
11,70483
9,567198
9,563410
9,108159
10,60870
13,67925
13,27801
11,96581
9,487459
7,669323
5,827937
2,534965
3,239557
2,725021
3,456592
3,341103
3,157895
2,405248
2,135231
1,602787
1,783265
2,021563
1,188904
6,847134
5,961252
4,360056
3,638814
2,730819
4,050633
5,474453
6,343714
5,314534
3,295572
2,392822
2,044791
0,095420
0,191022
1,334604
2,728128
2,747253
3,654189
4,987102
4,504505
2,742947
1,830664
1,498127
1,697417
19,41748
17,07317
16,66667
19,34524
12,46883
15,52106
21,30518
19,30380
16,31300
14,93729
10,61508
8,609865
6,110652
4,591440
4,985119
6,591070
6,117021
6,390977
5,300353
4,250559
3,916309
5,369128
3,870652
1,745283
23,17328
11,69492
9,559939
8,171745
4,225352
3,685504
7,701422
4,840484
2,938090
1,732926
2,304609
1,958864
0,672430
0,000000
0,763359
2,367424
3,052729
3,231589
1,652174
1,283148
0,760135
0,167645
0,167926
1,676446
(b)
REINO
UNIDO
0,157706
0,244582
0,164179
0,158120
0,083026
0,134583
0,178679
0,119745
0,085324
0,046122
0,050100
0,060115
0,034203
0,041775
0,049290
0,077229
0,095344
0,058704
0,036966
0,015980
0,024803
0,033648
0,024557
0,031215
Estados
Unidos
0,110360
0,091278
0,057621
0,065026
0,075908
0,113497
0,134986
0,103155
0,061606
0,032124
0,043173
0,035611
0,018587
0,036496
0,041373
0,048183
0,054032
0,042081
0,030103
0,029936
0,025606
0,028340
0,029528
0,022945
(c) Pelo grfico, podese ver que, com o passar dos anos, houve, em geral, diminuio da
taxa de inflao de todos os pases.
(d) Podese usar o desvio-padro como medida de flutuao das taxas. Para Canad,
Frana, Alemanha, Itlia, Japo, Reino Unido e Estados Unidos os valores do desviopadro so respectivamente 0,036, 0,044, 0,018, 0,062, 0,051 e 0,032. Encontramos,
assim, a maior flutuao nas taxas da Itlia, e a menor, nas da Alemanha.
1.2 (a) A seguir est o grfico com a representao das taxas de inflao dos seis pases
em relao dos Estados Unidos.
(b) O grfico mostra que h correlao positiva entre as taxas de inflao dos seis pases
e a dos Estados Unidos.
(c) Lembrese de que correlao no implica causalidade. Talvez seja necessrio
consultar um livro de macroeconomia internacional para saber se h uma relao causal
entre a taxa de inflao dos Estados Unidos e as dos outros pases.
1.3 (a) Para melhor visualizao do grfico, representamos o logaritmo da taxa de cmbio
no eixo vertical e o tempo no eixo horizontal.
1.4 O grfico da oferta de moeda M1, nos Estados Unidos, de janeiro de 1951 a setembro
de 1999, o seguinte:
medida que o PIB cresce ao longo do tempo, fazse naturalmente necessrio ampliar a
oferta de moeda para financiar o aumento da produo.
1.5 Algumas das variveis pertinentes seriam: (1) salrios ou ganhos nas atividades
criminosas; (2) salrios ou ganhos por hora em atividades lcitas; (3) probabilidade de
ser apanhado; (4) probabilidade de condenao; (5) sentena esperada aps a
condenao. Repare que no deve ser fcil conseguir dados sobre ganhos em
atividades ilegais. Mesmo assim, consulte o artigo de Gary Becker citado no livrotexto.
1.6 Um fator essencial nessa anlise seria a taxa de participao na fora de trabalho
(TPFT) de pessoas na faixa etria dos 65 aos 69 anos. Um aumento dessa taxa, se
constatado aps a entrada em vigncia da nova lei, seria forte indcio de que a lei
anterior restringira artificialmente a participao desses cidados no mercado.
Tambm seria interessante descobrir que tipos de empregos esses trabalhadores
conseguem e quanto ganham. Os dados sobre PFT so coletados pelo Departamento
do Trabalho (Estados Unidos).
1.7 (a), (b) & (c) De acordo com o grfico, parece haver uma relao positiva, embora no
muito forte, entre as duas variveis, indicando que pode valer a pena anunciar. Do
contrrio, ms notcias para a indstria da publicidade.
Vertical = Impresses
Horizontal = Desppub
i
pode ser facilmente calculado.
seria um modelo de regresso linear, j que e
2.9 Todos so modelos de regresso intrinsecamente lineares, como demonstramos a
seguir:
Vertical = TPFTCH
Horizontal = TDCH
A relao positiva entre as duas variveis parece surpreendente porque se esperaria, a
priori, que fossem negativamente relacionadas. Mas a hiptese do efeito do
trabalhador adicional da Economia do Trabalho sugere que quando o desemprego
aumenta, a fora de trabalho secundria pode ingressar no mercado de trabalho para
garantir alguma renda familiar.
(b) Segue o grfico de disperso:
VERTICAL = TPFTCH
HORIZONTAL = GHM82
E representao grfica correspondente para as mulheres :
VERTICAL = TPFTCM
HORIZONTAL = GHM82
Vertical = DESPALIM
Horizontal = DESPTOT
(b) Na mdia, medida que crescem as despesas totais tambm crescem as despesas
com alimentao. Mas h uma flutuao maior entre as duas depois que as despesas
totais passam de Rs. 2000.
(c) No esperaramos que as despesas com alimentao crescessem indefinidamente
de forma linear (isto , como uma linha reta). Satisfeitas as necessidades bsicas das
pessoas, elas gastaro menos em alimentao medida que sua renda aumentar.
Quer dizer, consumidores com renda mais alta fazem despesas mais discricionrias. H
sinais disso no grfico de disperso mostrado em (a): as despesas com alimentao
mostram mais flutuao no nvel de renda acima de Rs. 2000.
MALEVERB =VERBH
FEMVERB = VERBM
E a representao correspondente da pontuao de homens e mulheres em
matemtica a seguinte:
MALEMATH = MATH
FEMMATH = MATM
(b) Ao longo dos anos, a pontuao de homens e mulheres em aptido verbal mostra
uma tendncia descendente, enquanto depois de atingir o nvel mais baixo em 1980,
os clculos mostram uma tendncia ascendente, com variaes ano a ano, claro.
(c) Pode-se elaborar um modelo de regresso simples, fazendo a regresso da
pontuao em matemtica contra a de aptido verbal para ambos os sexos.
VERTICAL = VERBM
HORIZONTAL = VERBH
O grfico mostra que as duas pontuaes evoluram na mesma direo ao longo do
tempo.
3.2
Logo, 2 =
x y
x
i
2
i
Yi
Xi
yi
xi
xi
yi
xi 2
12
10
soma
28
16
19
14
Nota:
Y = 7 e X = 4.
19
= 1,357; 1 = Y 2 X = 1,572.
14
normal.
Impondo a segunda restrio, obtemos:
normal.
A primeira restrio corresponde premissa de que E(ui|Xi) = 0. A segunda restrio
corresponde premissa de que no h correlao entre o termo de erro populacional e
a varivel explanatria Xi, isto , cov(uiXi)=0.
(x y )
x y
E ( XY ) 2
1.
E ( X 2 ) E (Y 2 )
Ora, r =
2
2
i
2
i
yx =
xi yi
2
i
e que
xy =
xi yi
2
i
3.7 Mesmo que yx xy = 1 , ainda faria diferena (pela causalidade e teoria) se fosse
feita a regresso de Y contra X ou de X contra Y, pois o que igual a um somente o
produto das duas, e isso no implica que yx = xy .
x y
x y
i
2
i
n +1
,
2
2
i
(1)
em que as letras minsculas, como sempre, indicam desvio dos valores mdios.
Como os rankings so permutaes dos n primeiros nmeros naturais, ento:
xi2 = X i2
( X i ) 2
n
=
12
6
4
n(n 2 1)
e, analogamente, y =
, ento
12
2
i
= ( X i Yi ) 2 = ( X i2 + Yi 2 2 X iYi ) =
n(n + 1)(2n + 1) d
.
X iYi =
6
2
2n(n + 1)(2n + 1)
2 X iYi , logo
6
Como
(2)
X
Y
x y = X Y n
i
i i
n(n + 1)(2n + 1) d
n(n + 1) 2 n(n 2 1) d
.
2
3
2
4
12
2
(3)
Agora, basta substituir as equaes anteriores na equao (1) para obter a resposta.
1 = Y
, j que
var ( 1 ) =
X
n x
2
i
2
i
= 0.
e var (1 ) =
x
n x
2
i
2
i
=
2
x y
x
i
e 1 =
2
i
x y
x
i
, j que
2
i
xi = ( X i X )
2
i
x =y
fato relevante aqui que se tanto Y quanto X forem expressas como desvios em
relao s respectivas mdias, a linha de regresso passar pela origem.
2 =
( xi x )( yi y )
( xi x )
x y
i
xi2
z w
z w
i
2
i
2
i
ac xi yi
ac
xi2 yi2
= r1 na Equao
(3.5.13) do texto.
(c)
Verdadeira.
Como
Sx e
S y (os
yx
desvios-padro
de
Sy
Sx
e rxy = xy
, ento xy e yx
Sx
Sy
tm de ser positivos.
rzw =
z w
z w
i
2
i
2
i
( x + x )( x + x )
(x + x ) (x + x )
x
( x + x )( x + x
2
2
2
1
2
2
2
2
2
3
porque
rzw =
2
(2 2 + 2 2
1
2
, em que a varincia comum.
2
zw =
2 = 2
xy
2 =
zi yi
2
i
1 = Y 2 X
2 xi yi
4 x
2
i
1
2
2
; 1 = Y 2 Z = 1 (Nota: Z = 2 X )
( x )
y
ryy2 =
2 i
2
i
( yi yi ) 2
[ ( yi + ui )( yi )]2
=
=
( yi2 )( yi2 )
( yi2 )( yi2 )
22 xi2
2
i
y
y
2
i
2
i
, j que
y u
i i
= 0.
3.16 (a) Falsa. A covarincia pode assumir qualquer valor, e este depende das
unidades de medida. O coeficiente de correlao, por outro lado, no tem unidades,
uma grandeza adimensional.
(b) Falsa. Veja a Figura 3.11(h) no texto. Lembrese de que o coeficiente de
correlao uma medida de relao linear entre duas variveis. Da, como mostra a
Figura 3.11(h), h uma relao perfeita entre Y e X, mas ela no linear.
(c) Verdadeira. Em formato de desvios, temos yi = y i + ui . Ento bvio que se
fizermos uma regresso de yi contra yi , o coeficiente angular ser 1, e o intercepto
ser 0. Mas uma prova formal pode ser feita como segue: se fizermos uma regresso
de yi contra yi , obteremos o coeficiente angular, digamos, , sob a forma
yi yi xi yi 2
= 2
= 2 = 1 , porque yi = xi e
2
2
y
x
x y
i
nico
parmetro
u = (Y )
conhecido
2
i
iguale
zero
para
obter:
2
i
d (u )
= 2 (Yi 1 )( 1) = 0 , que simplificada d 1 = Y , ou seja, a mdia amostral. E
d 1
sabemos que a varincia da mdia amostral
e
a varincia de Y. A SQR
y2
n
(Yi Y )2 = yi2 e 2 =
SQR
yi2 . Vale a pena
=
(n 1) (n 1)
y y = y
2
i
2
i
2
i
zero, a SQR do modelo que tenha no mnimo um regressor ser menor do que a do
modelo sem regressor. claro que se houver mais regressores no modelo e seus
coeficientes angulares forem diferentes de zero, a SQR ser muito menor do que no
modelo sem regressor.
Problemas
d2
d2=26.
Assim,
rs = 1
6 d 2
n(n 1)
= 1
coeficiente
de
correlao
de
rankings
de
Spearman
6(26)
= 0,842 . H, portanto, um alto grau de correlao entre
10(102 1)
as posies dos estudantes nas provas de meio e de final de perodo: quanto mais alta
ela for na primeira, mais alta ser na segunda.
3.19 (a) O valor de 4,318 para o coeficiente angular indica que durante o perodo
19801994 a taxa de cmbio (marco/US$) baixou cerca de 4,32 unidades para cada
unidade de aumento no preo relativo, em mdia. Isto , o dlar americano depreciou,
porque 1 dlar comprava menos marcos alemes. O valor de 6,682 para o intercepto,
interpretado literalmente, significa que se a relao de preos relativos fosse zero, um
dlar valeria 6,682 marcos alemes. Essa interpretao, claro, no
economicamente significativa.
(b) O valor negativo do coeficiente angular faz muito sentido econmico porque se os
preos nos Estados Unidos subirem mais rapidamente do que os da Alemanha, os
consumidores internos passaro a comprar mercadorias alems, aumentando assim a
demanda pelo marco alemo, o que levar sua apreciao. Esta a essncia da
teoria da paridade do poder de compra (PPC), ou lei do preo nico.
(c) Acreditamos que, nesse caso, o coeficiente angular seria positivo, pois quanto
maior fosse o IPC alemo em relao ao IPC americano, maior seria a taxa de inflao
relativa na Alemanha, o que levaria apreciao do dlar americano. Temos, outra
vez, a essncia da PPC.
VERTICAL = REMSEMP
HORIZONTAL = PRODSEMP
Vertical = REMSENA
Horizontal = PRODSENA
r2 = 0,8868
r2 = 0,8777
Yi
Xi
Xi Yi
X i2
Yi2
1110
1700
205500
322000
132100
1110
1680
204200
315400
133300
r2 = 0,150
NGDP = PIBN
RGDP = PIBR
(b) PIBNt = 986,3317 + 201,9772 tempo
ep = (1907,715) + 128,7820
PIBRt = 1907,715 + 128,7820 tempo
ep = (45,1329) (1,9666)
r2 = 0,9277
r2 = 0,9914
(c) Nesse caso, o coeficiente angular informa a taxa de variao do PIB por intervalo
de tempo.
(d) A diferena entre os dois representa a inflao ao longo do tempo.
(e) Como indicam o grfico e os resultados da regresso, o PIB nominal tem crescido
mais rpido que o PIB real, sugerindo que a inflao tem subido com o passar do
tempo.
3.24 Este simples e direto.
3.25 (a) Veja o grfico do Exerccio 2.16(d).
(b) Seguem os resultados da regresso, em que Y a pontuao das mulheres em
aptido verbal e X, a dos homens:
Yt = -198,126 + 1,436 X t
ep = (25,211)
(0,057)
r2 = 0,966.
Yt = -189,057 + 1,285 X t
ep = (40,927)
(0,082)
r2 = 0,918.
1 Y 2 1 Y 2
1
2
2
f (Y1 , Y2 ) =
exp 1
2 1 2
2 1 2 2
1
1 Y 2 1
1 Y 2
1
1
2
=
exp
exp 2
= f (Y1 ) f (Y2 ) , em que
2
1
2
1
f (Y1 ) e f (Y2 ) so as funes de densidade de probabilidade normal univariadas (de
1
2 ln LF
n
= 2 <0.
2
1
2 ln LF
Xi < 0 .
=
2
2
2
2
n
1
1 n
1
2 ln LF
=
2 3 (Yi 1 2 X i )2 = 2 2 2 2 ui2 .
2 2
2 2
2
2( ) ( )
( )
( )
1 1
1
2
2
u 2 2 2 ui2 , da Equao (11),
Como ui = (Yi 1 2 X i ) = 2
2 2 i
2( )
( )
1
1
ui2 = ( 2 )3 u2 2 1 < 0 .
Uma vez que todas as segundas derivadas so negativas, os estimadores maximizam a
funo de verossimilhana.
4.3 Como X segue a distribuio exponencial, sua funo de densidade de
probabilidade (FDP) :
1 i
f ( x) = f ( X i ) = e . Portanto, a funo de verossimilhana ser:
n
1
Xi
1
Xi .
FV ( X i , ) = exp
. E log FV ser: ln FV = n ln
d ln FV
1 X
= n + 2 i . Igualando essa equao a zero:
d
% =
Xi
CAPTULO 5
A REGRESSO DE DUAS VARIVEIS: ESTIMAO DE INTERVALO E TESTE DE
HIPTESES
Perguntas
5.1 (a) Verdadeira. O teste t baseiase em variveis com uma distribuio normal. Os
estimadores 1 e 2 seguem tal distribuio, pois so combinaes lineares do erro ui, o
qual presumimos ser normalmente distribudo no MRLC.
(b) Verdadeira. Uma vez que E(ui)=0, os estimadores de MQO no so tendenciosos.
No preciso nenhuma premissa probabilstica para determinar a notendenciosidade.
(c) Verdadeira. Nesse caso, a Equao (1) da Seo 3.A.1 do Apndice 3A no ser
usada. Esse tpico ser tratado com mais detalhes no Captulo 6, Seo 6.1.
(d) Verdadeira. O valor p o menor nvel de significncia em que se pode rejeitar a
hiptese nula. Os termos nvel de significncia e tamanho do teste so sinnimos.
(e) Verdadeira. Isso resulta da Equao (1) do Apndice 3A, Seo 3A.1.
(f) Falsa. Tudo o que podemos dizer que os dados disponveis no nos permitem
rejeitar a hiptese nula.
(g) Falsa. Um valor mais alto de 2 deve ser contrabalanado por um valor mais alto
de
2
i
(h) Falsa. A mdia condicional de uma varivel aleatria depende dos valores tomados
por outra varivel (condicionante). As mdias condicional e no-condicional s podem
ser iguais se as duas variveis forem independentes.
(i) Verdadeira. Isso fica bvio pela Equao (3.17).
(j) Verdadeira. Consulte a Equao (3.5.2). Se X no tem influncia sobre Y,
zero, e nesse caso
y = u
2
i
2
i
SQ
139023
gl
1
MSQ
139023
236894
53
4470
375916
2 ser
F=
139023
= 31,1013 com gl igual a 1 e 53, respectivamente.
4470
0, 6417
= 0, 0664 .
9, 6536
0, 7347
= 0,8797 .
0,8351
(b) O salrio mdio por hora aumenta em aproximadamente 64 centavos para um ano
adicional de escolaridade, em mdia.
(c) Aqui temos n = 13, ento gl =11. Se a hiptese nula for verdadeira, o valor t
estimado 9,6536. A probabilidade de se obter tal t extremamente pequena, o valor
p praticamente zero. Podese, portanto, rejeitar a hiptese nula de que o nvel de
escolaridade no afeta os ganhos por hora.
(d) SQE = 74,9389; SQR = 8,8454; gl numerador = 1; gl denominador = 11; F =
93,1929. O valor p de tal F sob a hiptese nula de que no h relao entre as duas
variveis 0,000001, que extremamente baixo. Podese, assim, rejeitar com grande
segurana a hiptese nula.
Observe que o valor F aproximadamente o quadrado do valor t sob a mesma
hiptese nula.
(e) No caso bivariado, dado que H0 : 2 = 0, existe a seguinte relao entre o valor t e
r2:
r2 =
t2
9, 65362
2
r
=
0,8944 .
.
Como
o
t
dado
9,6536,
obtemos:
[t 2 + (n 2)]
[9, 65362 11]
5.4 Literalmente, a hiptese afirma que no h correlao entre as duas variveis. Por
conseguinte, se pudermos provar que a covarincia entre elas zero, ento a
correlao ter de ser zero.
5.5 (a) Para testar a hiptese de que o coeficiente angular verdadeiro um, use o
teste t.
t=
2 1 1, 0598 1
=
= 0,821
0, 0728
ep( 2 )
t=
0, 7264
= 2, 4205 , significativo no nvel dos 2%, mas,
0,3001
Porque
2 =
2
i
(n 2)
x
y
2
i
2
i
y
=
2
i
(1 r 2 )
(n 2)
(n 2)
(1 r 2 )
2 xi2
2
t=
=
=
ep( 2 )
2
i
yi2 (1 r 2 )
(n 2)
, da Equao (3.5.10),
2
, mas como r = 2
2
x
y
2
i
2
i
, ento r = 2
x
y
2
i
2
i
, da Equao
(3.5.6).
Assim, t =
r (n 2)
(1 r ) 2
2 xi2
r 2 (n 2) 2 xi
, da Equao (5.9.1).
= 2
1 r2
2
2
,e t=F=
Problemas
5.8 (a) Existe associao positiva na TPFT em 1972 e 1968, o que no de
surpreender, tendo em vista que desde a Segunda Guerra Mundial a TPFT das
mulheres tem crescido regularmente.
(b) Use o teste t unicaudal ou unilateral:
t=
0.6560 1
= 1, 7542 . Para gl = 17, o valor
0,1961
VERTICAL = REM
HORIZONTAL = GAS
(b) Remi =12129,37+3,3076 Gas
ep = (1197,351) (0,3117)
r2 = 0,6968
SQR = 2,65E+08
(c) Se a despesa por aluno aumentar um dlar, o salrio mdio aumentar 3,31
dlares. O intercepto no tem significado econmico vivel.
(d) O intervalo de confiana de 95% para 2 : 3,3076 2(0,3117) = (2,6842 ,
3,931). Baseados neste IC, no rejeitaremos a hiptese nula de que o verdadeiro
coeficiente angular 3.
(e) Os valores previstos mdio e individual so os mesmos, a saber: 12129,37 +
3,3076(5000) 28,667. O erro-padro do valor mdio previsto, usando a Equao
(5.10.2), 520,5117 (dlares) e o erro-padro da previso individual, usando a
Equao (5.10.2), 2382,337. Os intervalos de confiana so:
1) previso mdia: 28,667 2(520,5117), isto , ($27.626 , $29.708);
2) previso individual: 28,667 2(2382,337), isto , ($23.902 , $33.432).
Como era de se esperar, o segundo intervalo maior do que o primeiro.
(f) O histograma dos resduos pode ser aproximado a uma curva normal. A estatstica
Jarque-Bera 2,1927, e seu valor p de aproximadamente 0,33. Assim, baseados
Srie: Resduos
Amostra 1 51
Observaes 51
Mdia
Mediana
Mximo
Mnimo
9,13E-12
217,5192
5529,342
3847,976
Desviopadro
Assimetria
Curtose
0,499126
2,807557
Jarque-Bera
Probabilidade
2,196273
0,333492
2301,414
SQ
38685,997
gl
1
MSQ
38685,997
4934,138
37
133,355
43620,135
38685
= 290, 0978 .
133,355
SQ
37887,455
gl
1
MSQ
37887,455
5221,585
37
141,129
43109,04
F=
37887, 455
268, 459 .
141,129
A probabilidade de obter tal F seria praticamente zero, caso a hiptese nula fosse
verdadeira, o que leva sua rejeio.
5.11 (a) O grfico a seguir indica que a relao entre as duas variveis no linear.
Inicialmente, medida que aumentam as despesas com publicidade, o nmero de
impresses tambm aumenta, mas depois decresce gradualmente.
VERTICAL = IMPRESSES
HORIZONTAL = GASTOS COM PUBLICIDADE
(b) Em conseqncia de (a), no seria adequado ajustar um modelo de regresso
bivariada a esses dados. No temos, no momento, as ferramentas necessrias para
1 + 2 X 2i + 3 X 22i + ui ,
r2=0,424.
5.12 (a) O grfico a seguir mostra que as taxas de inflao dos dois pases evoluem
juntas.
VERTICAL = IPCEUA
HORIZONTAL = IPCCAN
(b) & (c) Segue tabela conforme entregue pelo pacote de software estatstico Eviews
3:
Amostra:
1997
Observaes
includas: 25
Varivel
C
ICAN
R-quadrado
1973
Coeficiente
6,251664
0,940932
0,992044
Erro-padro
1,956380
0,017570
Estatstica-t
3,195526
53,55261
Probabilidade
0,0040
0,0000
104,7560
36,56767
5,321561
5,419071
2867,882
0,000000
Esses resultados mostram que a relao entre as duas variveis positiva. Podese
facilmente rejeitar a hiptese nula de que no h relao entre as duas variveis, uma
vez que o valor t obtido sob essa hiptese 53,55, e praticamente zero o valor p
(probabilidade) de se obter tal t.
Embora as duas taxas de inflao sejam positivamente relacionadas, no se pode disso
deduzir causalidade, pois esta tem de ser inferida de alguma teoria econmica que a
sustente. Lembrese de que regresso no implica causalidade.
5.13 (a) As duas regresses so as seguintes:
Preo do ourot = 186,183 + 1,842 IPCt
ep = (125,403) (1,215)
t = (1,484)
(1,515)
r2 = 0,150
t=
2,129 1
= 4,91 . Como
0, 230
1
Yi = 1 + 2 + ui . Repare
Xi
que agora 1 passou a ser o coeficiente angular e 2 o intercepto. Mas este , ainda,
um modelo de regresso linear, pois os parmetros so lineares (veja o Captulo 6). Os
resultados da regresso so os seguintes:
1
Yi = 3, 2827
Xi
ep = (1,2599)
+ 1,1009
(0,6817)
r2 = 0,6935.
Y
1
= 0,3287( 2 ) .
X
Xi
a PPC implcita. Caso a PPC esteja certa, esperase, a priori, que o intercepto seja zero
e o coeficiente angular, um.
(b) Os resultados da regresso so os seguintes:
Yi = 24,6338 + 0,5405 Xi
ep = (19,5071) (0,0094)
t = (1,2628) (57,1016)
r2=0,9917.
t=
0,5405 1
= 48,88 . Esse
0, 0094
Yi = 175,975 + 0,714 Xi
t=
0, 714 1
= 6,36 . Logo, podemos rejeitar a hiptese de que 2 = 1 com 99% de
0, 045
confiana.
(d) A tabela ANOVA :
Fonte da variao
Devido regresso
(SQE)
Devido aos resduos
(SQR)
STQ
SQ
948,193
gl
1
MSQ
948,193
87,782
22
3,990
1071,975
23
Yi = 148,135 + 0,673 Xi
ep = (11,653) (0,027)
t = (12,713) (25,102)
r2 = 0,966.
(b) A estatstica de Jarque-Bera 1,243 com um valor p de 0,5372.
portanto, rejeitar a hiptese nula de no-normalidade.
(c) Sob a hiptese nula, obtemos:
t=
Podemos,
0, 673 1
= 12,11 . O valor t crtico no nvel de 5%
0, 027
VERTICAL = IPC
HORIZONTAL = IPP
(b) Use o IPC, que representa os preos pagos pelos consumidores, como regressando,
e o IPP, que representa os preos pagos pelos produtores, como regressor, porque o
primeiro o segundo com acrscimos.
(c) & (d) A tabela a seguir, apresentada conforme entregue pelo pacote de software
estatstico Eviews 3, fornece os dados necessrios:
Varivel dependente:
IPC
Mtodo:
mnimos
quadrados
Data:
23/06/00
Hora: 16:50
Amostra: 1960 1999
Observaes
includas: 40
Varivel
C
IPP
R-quadrado
Coeficiente
13,77536
1,269994
0,958696
R-quadrado ajustado
0,957609
E.P. da regresso
Soma quad resduos
Verossimilhana Log
Estat Durbin-Watson
9,887937
3715,309
147,3843
0,093326
Erro-padro
Estatstica-t
3,710747
3,712286
0,042763
29,69864
Varivel dependente mdia
Desviopadro
da
varivel
dependente
Critrio info Akaike
Critrio Schwarz
Estatstica-F
Probabilidade (Estatstica-F)
Probabilidade
0,0007
0,0000
86,17000
48,02523
7,469215
7,553659
882,0093
0,000000
Srie: Resduos
Amostra 1960 1999
Observaes 40
Mdia
Mediana
Mximo
Mnimo
Desviopadro
7,11E-15
3,781548
21,84709
19,05008
9,760345
Curtose
0,119726
2,620663
Jarque-Bera
Probabilidade
0,335390
0,845612
Assimetria
6.1 (a) Verdadeiro. Repare que a frmula MQO padro para estimar o intercepto :
= (mdia do regressando
2 mdia do regressor).
2 =
xi yi
2
i
desvio.
De forma semelhante, obtemos para o modelo II:
2 = *2i
x* yi*
xi
( x / S )( y / S
(x / S )
i
(x y ) / S S
x /S
i
i
2
i
x
2
x
S x xi yi
Sy x
2
i
Sx
2 , o que demonstra
Sy
seja,
ln Yi = (1 + 2 ln w2 ln w1 ) + 2 X i + ui* = A + 2 ln X i + ui* ,
A = (1 + 2 ln w2 ln w1 ) .
em
que
0,00743.
Aplicando
o
teste
t,
obtemos:
t=
0, 00743 0, 005
= 14, 294 , um valor muito significativo. Podemos, portanto, rejeitar
0, 00017
a hiptese nula.
6.9 Pode-se obter assim: 18,5508/3,2514 = 5,7055%, aproximadamente.
6.10 Conforme tratado na Seo 6.7 do texto, o modelo de Engel representado na
Figura 6.6(c) deve ser adequado maioria dos bens. Assim, a escolha deve recair
sobre o segundo modelo dado no exerccio.
6.11 O modelo, como est, no linear nos parmetros. Mas podemos aplicar um
macete para transformlo em linear: tire o logaritmo natural da razo entre Y e (Y
1). Ou seja, faa a seguinte regresso:
ln
Yi
= 1 + 2 X i .
1 Yi
Esse modelo conhecido como logit, e ser discutido no captulo sobre variveis
dependentes qualitativas.
6.12 (a)
(b)
Problemas
6.13
1
100
= 2, 0675 + 16, 2662
100 Yi
Xi
ep = (0,1596)
(1,3232)
r2 = 0,9497
100
se aproxima do valor limite de
100 Y
V
log = 0,4526 + 1,3338logW
L
Para
ep = (1,3515)
(0,4470)
melhor
testar
1,3338 1
t=
= 0, 7468 .
0, 4470
r2 = 0,4070.
hiptese
nula,
aplique
teste
como
segue:
Yi = 516,0898 + 0,5340 Xi
ep = (40,5631) (0,0217)
Modelo II:
r2 = 0,9789.
Yi = 0,7950
r2 = 0,7161*
ep = (0,0255
Yi * = 0,9892 X i*
ep = (0,0388)
r2 = 0,9789
Sx
Sy
2* = 2
Sx
Sy
641
*
= 0,5340
= 0,9892 = 2 .
346
6.17 Para obter a taxa de crescimento das despesas com bens durveis, podemos
ajustar o modelo log-lin, cujos resultados so os seguintes:
ln DESPDURt = 6,2217 + 0,0154 t
ep = (0,0076) (0,000554)
r2 = 0,9737.
r2 = 0,9877.
Podese ver por esses resultados que, ao longo do perodo estudado, a taxa trimestral
de crescimento das despesas com bens no-durveis foi de aproximadamente 0,62%.
Comparando os resultados das regresses dos Problemas 6.17 e
despesas com bens durveis aumentaram a uma taxa bem maior
bens no-durveis ao longo do perodo 1993:01 a 1998:03, fato
um dos mais longos perodos de expanso econmica na histria
no nenhuma surpresa.
VERTICAL = IMPRESSES
HORIZONTAL = DESPPUB
Embora a relao entre as duas variveis parea ser positiva, no est claro qual curva
se ajustar aos dados. Fornecemos a seguir uma tabela com resultados de regresses
baseadas em alguns modelos.
Modelo
Intercepto
Coef. angular
r2
Linear
22,1627
0,3631
0,4239
(3,1261)
(2,7394)
58,3997
-314,6600
(78,0006)
(-3,5348)
1,2999
0,6135
(3,686)
(5,1530)
3,9955
-10,7495
(21,7816)
(-4,8053)
Recproco
Duplo-log
Log
recproco
0,3967
0,5829
0,5486
1 = 3, 00; 2 = 3,50
1 = 4, 00; 2 = 1,357
1 = 2, 00; 2 = 1, 00; 3 = 1, 00
(a) No. Dado que o modelo (3) o verdadeiro, 2 um estimador tendencioso de
2 .
um estimador tendencioso de
3 .
A lio aqui que uma equao mal especificada pode levar estimao tendenciosa
dos parmetros do modelo verdadeiro.
7.2 Aplicando as frmulas dadas no texto, os resultados da regresso so os
seguintes:
(0,049)
R 2 = 0,9988
(0,849)
R 2 = 0,9986.
2 =
( x ) b23 ( x2 x3 )
2
2
, aplicando
b23 =
( x2 x3 )
( x )
2
3
2 =
y( x b
x (x b
2
x)
23 3
23 3
x)
7.4 Como foi informado que ui N (0, 4) , gere, por exemplo, 25 observaes a partir
de uma distribuio normal com esses parmetros, o que a maioria dos softwares faz
normalmente. Dessas observaes, calcule a varincia da amostra como
(X
=
X )2
24
Repita este exerccio, digamos, outras 99 vezes, para completar 100 experimentos. Ao
final, haver 100 valores de S2. Tire a mdia desses valores, que dever estar em
2
. Logo,
R 2 = r132 + (1 r132 ) r12.3
R 2 r132
.
1 r132
( 2 )(1 )
= 1 = 1 .
(1 )( 2 )
7.7 (a) No. O valor absoluto de r no pode ser maior que um. Aplicando Equao
(7.11.2) os dados fornecidos, obteremos r12.3 = 2,295, o que, logicamente,
impossvel.
(b) Sim. Seguindo o mesmo procedimento de (a), encontraremos r12.3 = 0,397, um
resultado possvel.
(c) Sim. Da mesma forma pode-se demonstrar que r12.3 = 0,880, outro resultado
possvel.
7.8 Se excluirmos do modelo a varivel anos de experincia (X3), o coeficiente de
escolaridade (X2) ser tendencioso, e a natureza do vis depender da correlao entre
X2 e X3. O erro-padro, a soma residual dos quadrados e R2 sero afetados em
conseqncia dessa excluso. Este um caso de vis de varivel excluda.
7.9 Os coeficientes angulares nos modelos duplo log fornecem estimativas diretas da
elasticidade (constante) da varivel do lado esquerdo em relao varivel do lado
direito. Neste caso:
ln Y
Y / Y
ln Y
Y / Y
=
= 2 e
=
= 3 .
ln X 2 X 2 / X 2
ln X 3 X 3 / X 3
7.10 (a) & (b) Se multiplicarmos X2 por 2, verificaremos pelas Equaes (7.4.7) e
(7.4.8) do texto que os coeficientes angulares no sero afetados. Se, por outro lado,
multiplicarmos Y por 2, os coeficientes angulares, assim como os interceptos e seus
erros-padro, sero multiplicados por 2. Sempre tenha em mente as unidades em que
o regressando e os regressores so medidos.
7.11 A partir da Equao (7.11.5), sabemos que: R =
2
Yi = 1 + (1 + 2 ) X 2t + 3 X 3t + ut = 1 + 2* X 2t + 3 X 3t + ut , em que 2* = (1 + 2 ) . Os dois
modelos so, portanto, similares. Sim, os interceptos nos modelos so iguais.
(b) As estimativas de MQO do coeficiente angular de X3 sero iguais nos dois modelos.
(c)
2* = (1 + 2 ) = 2 .
2 =
(a)
yi xi
2
i
Aplicando
( x z )( x ) = x ( z x ) = 1
x
x x
i
i
2
i
2
i
2
i
i i
2
i
MQO,
obtemos:
1 = 1 .
(Y
i
2 X i ) 2 . Agora, substitua
[e
/2
, e (e 1)] .
2
Y X
Y X
i
2i
3i
= 2 X 22i + 3 X 2i X 3i
= 2 X 2i X 3i + 3 X 32i .
(1157021)
(29,919)
(101,156)
R2
(0,527)
(0,659)
(1,201)
(0,128)
R2 =
Y X i
, em que X i o regressor pertinente.
X i Y
(e) Os dois modelos apresentam resultados semelhantes. Uma vantagem do modelo
log-linear que os coeficientes angulares fornecem estimativas diretas da elasticidade
(constante) da varivel pertinente em relao ao regressor sob avaliao. Mas tenha
em mente que os R2 no so comparveis diretamente.
7.17 (a) A priori, todas as variveis parecem relevantes para explicar a atividade de
prospeco de petrleo. Espera-se que todos os coeficientes angulares sejam positivos,
exceto o da varivel de tendncia, que pode ser positivo ou negativo.
(b) O modelo estimado :
(0,57)
(5,587)
(0,008)
(0,259)
R 2 = 0,656
R 2 = 0,603.
(c) As variveis preo por barril e produo interna so estatisticamente significativas
no nvel de 5%, e seus sinais esto de acordo com as expectativas. As outras variveis
no so estatisticamente diferentes de zero.
(d) Outra especificao pode ser o modelo log-linear que, alm de fornecer estimativas
diretas das elasticidades, pode amarrar caractersticas no-lineares (nas variveis), se
houver.
7.18 (a) Os resultados da regresso so:
(0,457)
(0,259) (3,024)
R 2 = 0,978
R 2 = 0,972
R 2 modificado = 0,734.
(b) A priori, esperava-se que todos os coeficientes angulares fossem positivos.
exceo do coeficiente para as vendas militares dos Estados Unidos, todas as outras
variveis so estatisticamente significativas no nvel de 5%, e seus sinais esto de
acordo com as expectativas.
(c) Despesas federais globais e algum tipo de varivel de tendncia podem ser muito
importantes.
7.19 (a) O modelo (5) parece ser o melhor porque abrange todas as variveis
economicamente relevantes, inclusive o preo real dos substitutos da carne de frango,
o que deve ajudar a minorar o possvel problema de multicolinearidade entre o preo
(0,079)
(0,130)
R 2 = 0,980
R 2 = 0,977
R modificado = 0,810.
As elasticidades renda e preo prprio tm os sinais corretos.
(h) A conseqncia de estimar o modelo (2) seria a possibilidade de tendenciosidade
dos estimadores devido a erro de especificao do modelo. Esse assunto detalhado
no Captulo 13.
7.20 (a) Ceteris paribus 1 , as interpretaes so as seguintes, em mdia:
Ceteris paribus Expresso latina muito usada em Economia e que significa Todos os outros fatores se mantendo
constantes.
t=
ep( i ) = i
t
ep( i )