Escolar Documentos
Profissional Documentos
Cultura Documentos
10.1 Se Xk uma combinao linear perfeita das variveis explanatrias restantes, ento existem (k-1) equaes com k incgnitas. Com mais incgnitas do que equaes, solues nicas (ou singulares) no so possveis. 10.2 (a) No. A varivel X3i uma combinao linear exata de X2i, pois X3i = 2X2i 1. (b) Reescrevendo a equao, obtemos:
Portanto,
O grau de multicolinearidade perfeito. 10.5 (a) Sim. Dados de sries temporais econmicas tendem a evoluir na mesma direo, como acontece com as variveis defasadas de renda neste caso. (b) Como vimos sucintamente no Captulo 10 e mais a fundo no Captulo 17, a transformao de primeira diferena pode minorar o problema. 10.6 Quando a varivel riqueza excluda do modelo, ocorre erro de especificao, e o coeficiente da varivel renda fica tendencioso. O que se observa, ento, na equao (10.6.4) uma estimativa tendenciosa do coeficiente de renda. A natureza do vis a seguinte: Dado que
coeficiente angular na regresso de Y contra X2, e b32 na de X3 contra X2. De acordo com os dados informados, temos que
2 =
1 = Y 2 X 2 3 X 1 = Y 2 X 2 = Y 2 X 2 1 = Y 3 X 3 = Y 3 X 3
Logo, 1 = 1 + 1 Y .
(c) No, pelas seguintes razes:
var( 2 ) =
var( 2 ) =
x
x
2 1
2 (1 r )
2 23
2 2i
2 2i
(Nota: r23 = 0 )
2
2 2i
2 Repare que =
2 i
n3
12 =
2 i
n2
10.9 (a) O coeficiente de correlao entre trabalho e capital relativamente alto e aproximadamente igual a 0,698. (b) No. Apesar da correlao entre as duas variveis, os coeficientes da regresso so estatisticamente significativos no nvel de 5%. Excluir uma varivel nessas condies acarretaria vis de especificao. (c) Se for excluda a varivel trabalho, o coeficiente do capital ser tendencioso. O vis
Manual de Solues Econometria Bsica Gujarati (c) Falsa. Conforme observado no texto (veja a Equao 7.5.6), a varincia de um
1 , e dela se pode x 2j 1 R 2j
ou um alto
2 j
(d) Incerta. Se houver somente dois regressores no modelo, um alto coeficiente de correlao entre pares de variveis pode indicar multicolinearidade. Se um ou mais regressores entrarem de forma no-linear, as correlaes entre pares podem levar a respostas enganosas. (e) Incerta. No h mal nenhum se a colinearidade observada persistir nos valores das amostras futuras. Mas se esse no for o caso ou se o objetivo for uma estimao precisa, ento a multicolinearidade pode ser um problema. (f) Falsa. Veja a resposta (c). (g) Falsa. FIV e TOL fornecem a mesma informao. (h) Falsa. Normalmente se obtm R elevados em modelos com muita correlao entre os regressores. (i) Verdadeira. Como se pode ver pela frmula dada em (c), se a variabilidade de X3 for pequena, R j tender a ser pequeno e no caso extremo de no haver variabilidade em X3,
2
2 3i
10.13 (a) Reportando-nos Equao (7.11.15), vemos que se todos os r forem zero, R ser zero, ipso facto. (b) No ser explicada pelo modelo nenhuma variao do regressando se este no tiver correlao com nenhum dos regressores. 10.14 (a) Se todas as correlaes de ordem zero, ou simples, forem iguais a r, a Equao (7.11.5) se reduz a
2r 2 (1 r ) 2r 2 R = = . (1 r 2 ) 1+ r
2
r12.3 =
r (1 r ) r = . 2 1 r 1+ r
Manual de Solues Econometria Bsica Gujarati 10.15 (a) Se houver multicolinearidade perfeita, (XX) passa a ser uma matriz singular e, portanto, no pode ser invertida. Conseqentemente, os coeficientes e seus erros-padro so indefinidos. (b) Pode-se testar isso examinado o determinante de (XX). Se for zero, existe colinearidade perfeita. 10.16 (a) Como no caso de colinearidade perfeita a matriz (XX) no pode ser invertida, a de varincia-covarincia indefinida. (b) Se a colinearidade alta, a matriz de varincia-covarincia definida, mas as varincias (dadas pelos elementos da diagonal principal) tendero a ser muito grandes conforme o determinante de (XX) for se aproximando de zero e medida que a colinearidade for crescendo. 10.17 (a) Se o determinante de R for zero, existir colinearidade perfeita. (b) Se o determinante for pequeno, a colinearidade ser menos que perfeita. (c) Se o determinante for 1, as variveis sero ortogonais (veja o Exerccio 10.18). 10.18 (a) S haver elementos na diagonal principal. (b) Obtenha a matriz (XX), sua inversa e (Xy). (c) No haver elementos fora da diagonal, isto , elementos de covarincia. (d) No. Como todos os regressores so ortogonais, todos os termos de covarincia (isto , produto cruzado) sero zero. 10.19 (a) Como o terceiro regressor (Mt Mt-1) uma combinao linear de Mt e Mt-1 , poder haver um problema de colinearidade. (b) Se reespecificarmos o modelo assim:
GNPt = 1 + ( 2 + 4 ) M t + ( 3 4 ) M t 1 + ui = 1 + 1M t + 2 M t 1 + ui ,
estimar singularmente 1, 1 e 2, mas no 2, 3 e 4.
poderemos
(c) Todos os parmetros poderiam ser estimados singularmente, pois no haveria mais colinearidade perfeita. (d) A resposta a mesma de (c).
r =
2 23
2 2 ( x2i )( x3i )
( x2i x3i ) 2
Logo, (
2 i 3i
2 2 x ) = r ( x2i )( x3i ) . 2 2 23
Substitua essa expresso nos denominadores das Equaes (7.4.7) e (7.4.8) e simplifique. 10.21 Quando existe colinearidade perfeita, r23 = 1. Portanto, os denominadores em (7.4.12) e (7.4.15) sero zero, e, conseqentemente, indefinidas as varincias.
10.22 Como ep ( 2 + 3 ) =
valores de covarincia so dados, verificar o que se pede mera questo de substitulos na equao. 10.23 (a) Ceteris paribus, a varincia do coeficiente estimado de k diminui medida que
(b) A varincia indefinida quando a colinearidade perfeita. (c) Verdadeiro. Conforme aumenta R, diminui (1-R), o que reduzir a varincia do coeficiente estimado. 10.24 (a) Dados o relativamente alto R de 0,97, o valor F significativo e o (economicamente falando) insignificante e impropriamente sinalizado coeficiente de log K, pode ser que haja colinearidade no modelo. (b) A priori, espera-se que o impacto do capital sobre a produo seja positivo, o que no ocorre nesse caso devido provavelmente colinearidade nos regressores. (c) uma funo de produo tipo Cobb-Douglas, pois podemos escrever o modelo dado como Y = 1 K 2 L 3 e 4 t . (d) Em mdia, ao longo do perodo estudado, um incremento de 1% no ndice de uso real de mo-de-obra leva a um aumento de 0,91% do ndice de produto real. No modelo, a varivel t representa o tempo, que com freqncia tomado como varivel instrumental para mudana tecnolgica. O coeficiente de 0,47 indica que ao longo do perodo estudado, a taxa de crescimento do produto real (como medida pelo ndice de produto) foi de 4,7%, em mdia. (e) Implicitamente, a equao assume que h retornos de escala constantes, ou seja, ( 2 + 3 ) = 1 . Uma eventual vantagem da transformao pode ser a reduo do problema da colinearidade. (f) Dado que o coeficiente da relao capital/mo-de-obra estatisticamente insignificante, o problema da colinearidade, ao que tudo indica, no foi resolvido.
Manual de Solues Econometria Bsica Gujarati (g) Como mencionado em (e), o autor est tentando saber se h retornos de escala constantes. O teste F visto no Captulo 8 poderia ser utilizado para descobrirmos se a restrio vlida. Mas como as variveis dependentes so diferentes nos dois modelos, precisamos das somas dos quadrados dos resduos restritas e irrestritas para usar a verso R desse teste. (h) De acordo com (g), os valores de R no so comparveis. Para torn-los comparveis, poderamos adotar os procedimentos vistos no Captulo 7. 10.25 (a), (b), (c) & (d) Em essncia, todas essas opinies nos dizem que a multicolinearidade , muito freqentemente, um problema de deficincia de dados. Problemas 10.26 (a) Os resultados da regresso do modelo modificado so:
Yi = 20,995 + 0,710Zi
ep = (6,341) t = (3,311) (0,066) (10,771) r = 0,906
Erro-padro Estatstica-t 0,782070 2,525683 0,405783 2,570749 0,569840 0,782925 Varivel dependente mdia Desvio-padro da varivel dependente Critrio info Akaike Critrio Schwarz Estatstica-F Probabilidade (Estatstica-F)
Probabilidade 0,0180 0,0162 0,4407 12,49048 0,904848 -1,225512 -1,084068 722,2174 0,000000
(b) A julgar pelo alto R e pelo valor t insignificante do coeficiente de ln IPC, provvel que haja multicolinearidade nos dados.
Manual de Solues Econometria Bsica Gujarati (c) Seguem os resultados das regresses: Varivel dependente: LIMPORTA Mtodo: Mnimos quadrados Data: 11/11/2000 Hora: 10:21 Amostra: 1970 1998 Observaes includas: 29 Varivel Coeficiente C 1,407426 LPIB 1,359628 R-quadrado 0,981901 Varivel dependente: LIMPORTA Mtodo: Mnimos quadrados Amostra: 1970 1998 Observaes includas: 29 Varivel C LIPC R-quadrado
Varivel dependente: LPIB Mtodo: Mnimos quadrados Amostra: 1970 1998 Observaes includas: 29 Varivel C LIPC R-quadrado
A regresso auxiliar de LPIB contra LIPC mostra que h alta correlao entre as duas variveis, indicando a possibilidade de haver problemas de colinearidade com os dados. (d) No caso, a melhor soluo seria expressar as importaes e o PIB em termos reais dividindo-os pelo IPC, conforme observado no captulo do livro-texto. Os resultados do Eviews 3 so os seguintes: Varivel dependente: LOG(IMPORTA / IPC) Mtodo: Mnimos quadrados Data: 11/11/2000 Hora: 10:26
Manual de Solues Econometria Bsica Gujarati Amostra: 1970 1998 Observaes includas: 29 Erro-padro Estatstica-t Varivel Coeficiente C 0,106099 0,494911 0,214380 LOG(PIB/IPC) 2,162167 0,135693 15,93429 R-quadrado 0,903881
10.28 (a) Como h cinco variveis explanatrias, haver cinco regresses auxiliares. Por economia de espao, apresentamos a seguir somente os valores R obtidos com essas regresses: Varivel dependente X2 X3 X4 X5 X6 R 0,9846 0,9482 0,9872 0,9889 0,9927
(b) Como os R esto uniformemente altos em todas as regresses auxiliares, parece que h um problema de multicolinearidade com os dados. (c) provvel que haja na equao excesso de variveis para substitutos da carne de frango. Poderamos usar como regressores apenas o preo composto dos substitutos, o da carne de frango e a renda disponvel, o que j foi feito no Exerccio 7.19. (d) Criar uma varivel de preo relativo, digamos, o preo da carne bovina dividido pelo da suna, poderia amenizar o problema da colinearidade. 10.29 (a) & (c) Pelo exame dos coeficientes de correlao entre as possveis variveis explanatrias, observamos uma correlao muito alta entre o IPC geral e o IPC de carros novos (0,997), e entre este e a RPD (0,991). Os outros so relativamente altos, mas podem permanecer no modelo por razes tericas. A RPD tambm est estreitamente ligada ao nvel de emprego, e a correlao entre as duas 0,972. Podemos, portanto, excluir o IPC geral e a RPD e estimar o seguinte modelo: Varivel dependente: LY Mtodo: Mnimos quadrados Amostra: 1971 1986 Observaes includas: 16 Varivel C LX2 LX5 LX6 R-quadrado
Erro-padro Estatstica-t 8,373593 -2,639696 0,330227 -3,142805 0,073704 -4,001514 0,872231 3,719068 Varivel dependente mdia
Manual de Solues Econometria Bsica Gujarati Desvio-padro da varivel R-quadrado ajustado 0,606069 dependente E.P. da regresso 0,075053 Critrio info Akaike Soma quad resduos 0,067595 Critrio Schwarz Verossimilhana Log 21,03144 Estatstica-F Estat Durbin-Watson 1,309678 Probabilidade (Estatstica-F) Nota: Nesta tabela, a letra L significa logaritmo de. Ao que tudo indica, no h problemas de colinearidade nesse modelo. (b) Incluindo todas as variveis X, obtemos os seguintes resultados: Varivel dependente: LOG(Y) Mtodo: Mnimos quadrados Amostra: 1971 1986 Observaes includas: 16 Varivel C LOG(X2) LOG(X3) LOG(X4) LOG(X5) LOG(X6) R-quadrado R-quadrado ajustado E.P. da regresso Soma quad resduos Verossimilhana Log Estat Durbin-Watson
Coeficiente 3,254859 1,790153 -4,108518 2,127199 -0,030448 0,277792 0,854803 0,782205 0,055806 0,031143 27,23099 1,793020
Erro-padro Estatstica-t 19,11656 0,170264 0,873240 2,050012 1,599678 -2,568341 1,257839 1,691154 0,121848 -0,249884 2,036975 0,136375 Varivel dependente mdia Desvio-padro da varivel dependente Critrio info Akaike Critrio Schwarz Estatstica-F Probabilidade (Estatstica-F)
Probabilidade 0,8682 0,0675 0,0280 0,1217 0,8077 0,8942 9,204273 0,119580 -2,653874 -2,364153 11,77442 0,000624
Como suspeitvamos, so evidentes os problemas de colinearidade desse modelo. 10.30 Vamos, primeiro, apresentar a matriz de correlao dos regressores: TAXA GE GMO NEIN ATIVOS IDADE Dependentes Escolaridade TAXA 1,000000 0,571693 0,058992 0,701787 0,778932 0,044173 0,601358 0,881271 GE 0,571693 1,000000 0,040994 0,234426 0,274094 0,015300 0,692881 0,549108 GMO 0,058992 0,040994 1,000000 0,359094 0,292243 0,775494 0,050212 NEIN 0,701787 0,234426 0,359094 1,000000 0,987510 0,502432 0,520832 0,539173 ATIVOS 0,778932 0,274094 0,292243 0,987510 1,000000 0,417086 0,513552 0,630899 IDADE 0,044173 0,015300 0,775494 0,502432 0,417086 1,000000 0,048360 Dependentes -0,60135 -0,69288 0,05021 -0,52083 -0,51355 -0,04836 1,000000 -0,60257
Manual de Solues Econometria Bsica Gujarati 0,298555 Nota: Nesta tabela, considere a ltima linha como a ltima coluna.
0,331067
Como mostra a tabela, as correlaes aos pares, ou simples, variam desde valores muito baixos (-0,0409 entre GM e GMO, por exemplo) a valores comparativamente altos (0,8812 entre Escolaridade e Taxa, por exemplo). (a) Regressando a varivel Horas contra todos os regressores, obtemos os seguintes resultados: Varivel dependente: HORAS Mtodo: Mnimos quadrados Amostra: 1 35 Observaes includas: 35 Varivel C TAXA GE GMO NEIN ATIVOS IDADE Dependentes Escolaridade R-quadrado R-quadrado ajustado E.P. da regresso Soma quad resduos Verossimilhana Log Estat Durbin-Watson
Coeficiente 1904,578 -93,75255 0,000225 -0,214966 0,157208 0,015572 -0,348636 20,72803 37,32563 0,825555 0,771879 30,62279 24381,63 -164,2220 1,779824
Erro-padro Estatstica-t 251,9333 7,559849 47,14500 -1,988600 0,038255 0,005894 0,097939 -2,194896 0,516406 0,304427 0,025405 0,612970 3,722331 -0,093661 16,88047 1,227930 22,66520 1,646826 Varivel dependente mdia Desvio-padro da varivel dependente Critrio info Akaike Critrio Schwarz Estatstica-F Probabilidade (Estatstica-F)
Probabilidade 0,0000 0,0574 0,9953 0,0373 0,7632 0,5452 0,9261 0,2305 0,1116 2137,086 64,11542 9,898400 10,29835 15,38050 0,000000
A interpretao simples e direta. Ento, ceteris paribus, se os salrios mdios por hora (TAXA) subirem um dlar, em mdia, o nmero mdio de horas trabalhadas durante o ano (HORAS) cai cerca de 93 horas. (c) Por economia de espao, calcularemos FIV e TOL somente da taxa do regressor. Regressando TAXA contra todos os outros regressores, obtemos um valor R de 0,9416. Pela Equao (7.5.6) podemos verificar que o FIV para esse regressor cerca de 2224, e o inverso desse nmero a TOL, que vale 0,00045. (d) Nem todas as variveis do modelo so necessrias. Uma ou mais podem ser excludas aplicando os testes de diagnstico apresentados no livro, ou podemos usar uma combinao linear delas. (e) Embora os resultados sejam variados, talvez haja alguma evidncia de que valha a pena experimentar o imposto de renda negativo.
Manual de Solues Econometria Bsica Gujarati 10.31 Este para ser feito em aula. 10.32 Os resultados do Eviews para a regresso so os seguintes: Varivel dependente: Y Mtodo: Mnimos quadrados Amostra: 1947 1961 Observaes includas: 15 Varivel Coeficiente C -3017441 X1 -20,51082 X2 -0,027334 X3 -1,952293 X4 -0,958239 X5 0,051340 X6 1585,156 R-quadrado 0,9955 R-quadrado ajustado 0,9921 E.P. da regresso 295,6219 Soma quad resduos 699138,2 Estatstica-F 295,7710 Estat Durbin-Watson 2,492491
Comparando esses resultados com os da Seo 10.10, vemos que a excluso de uma nica observao pode alterar as magnitudes e/ou os sinais de alguns dos coeficientes, o que fundamenta o argumento apresentado no texto de que, em casos de alta colinearidade, pequenas mudanas nos dados podem levar a diferenas considerveis nos resultados.