T.E.A.
(Disciplina Preparatria para o Exame da ANPEC)
Mdulo de Estatstica - Professor: Eduardo Lima Campos
21.
ESPECIFICAES
NO LINEARES
1) Y = 0 + 1X2 + u
2) Y = 0 + 1(1/X) + u
3) ln(Y) = 0 + 1X + u
4) ln(Y) = 0 + 1ln(X) + u.
fcil ver que os modelos acima podem
ser estimados por MQO. Por exemplo, para
estimar 1), bastaria trabalhar com X* = X2.
Por outro lado, em muitas situaes, a
especificao linear em Y e X no captura,
de forma realista, a relao de interesse.
A questo : faz sentido que a variao no
salrio seja independente dos anos de
educao, como esta especificao assume?
Ou seja, parece razovel considerar que o
aumento no salrio de pessoas que tenham
apenas 1 ano de educao formal, e que
decidam estudar mais um ano, seja igual
ao de pessoas com 15 anos de educao
formal, que tomem a mesma deciso?
No-Linearidade nas Variveis
O linear do modelo de regresso linear
no se refere linearidade nas variveis,
mas sim linearidade nos parmetros.
Isto significa que os seguintes modelos,
que so lineares nos parmetros porm
no lineares nas variveis, tambm so
chamados modelos de regresso linear:
Modelo Log-Nvel
Relembre o exemplo 17.1: Y = salrio e X
= anos de educao. O coeficiente 1 de um
modelo linear em Y e X reflete a variao
esperada no salrio para cada ano a mais de
educao, ou (outra forma de interpretar): a
variao no salrio para cada ano adicional
de educao, com tudo o mais constante.
(estamos falando da variao absoluta Y)
A resposta, claramente, no.
Uma especificao mais realista deve
considerar que a variao absoluta Y
aumente com o tempo de educao, e que a
variao relativa Y/Y permanea constante.
Em economia, isto se chama:
hiptese de retornos crescentes.
1
 T.E.A. (Disciplina Preparatria para o Exame da ANPEC)
Mdulo de Estatstica - Professor: Eduardo Lima Campos
A seguinte relao entre X e Y:
ln(Y) = 0 + 1X
apresenta as caractersticas mencionadas.
A relao proposta pode ser estimada por
meio do seguinte modelo de regresso:
ln(Y) = 0 + 1X + u.
Este modelo, que linear nos
parmetros, chamado log-nvel.
Exemplo 21.1 (Y = salrio e X = educao):
.
ln Y = 0,584+ 0,083 X R 2 = 0,183
Interpretao:
Estima-se que, tudo o mais constante, um
ano a mais de educao leve a um aumento
de 100(e0,083-1)% = 8,65% no salrio.
Pr ova :
Sejam: ln(Y1 ) = 0 + 1X e ln(Y2 ) = 0 + 1 (X + 1).
A variao em ln(Y), em resposta X = 1 :
ln(Y2 ) - ln(Y1 ) = (0 + 1X + 1 ) (0 + 1X) = 1.
Mas ln(Y2 ) - ln(Y1 ) = ln(Y2 /Y1 ), e assim:
ln(Y2 /Y1 ) = 1 (Y2 /Y1 ) = e . 1
Finalmente, a variao relativa em Y :
((Y2 - Y1 )/Y1 ) = (Y2 /Y1 ) - 1 = e - 1.
1
Interpretao Econmica:
No modelo log - nvel, e 1 chamado
1
semi - elasticidade de Y em relao a X,
em geral expressa como :100(e 1)%. 1
Ela representa a variao percentual esperada em Y,
associada a uma variao (absoluta) unitria em X,
ou, tudo o mais constante, a variao percentual
em Y associada a uma variao unitria em X .
A semi-elasticidade pode ser aproximada
pelo coeficiente 1 do modelo log-nvel.
A aproximao vem do fato de que, para
k pequeno, ln(1+k) k. Da: ln(Y2/Y1)
Y/Y. Por outro lado, j vimos que
ln(Y2/Y1) = 1, e assim: 1 Y/Y.
Importante: esta interpretao para 1
uma aproximao usual, mas vale apenas
para variaes bem pequenas em Y e X.
2
 T.E.A. (Disciplina Preparatria para o Exame da ANPEC)
Mdulo de Estatstica - Professor: Eduardo Lima Campos

Exemplo 21.1 (cont.): Outra forma de perceber a aproximao

utilizando o conceito de derivada:
.
ln Y = 0,584+ 0,083 X R 2 = 0,183
Derivando os 2 lados com respeito a X:

d ln Y 1 dY dY
Interpretao aproximada: estima-se que, =
tudo o mais constante, um ano a mais de dX Y dX
d (0 + 1X)
1 = Y
educao leve a um aumento de dX
= 1
aproximadamente 8,3% no salrio (avalie dX
a validade da aproximao, neste exemplo).

Da prpria definio de derivada, foram O modelo log-nvel embute a seguinte

consideradas variaes infinitesimais relao (no linear) entre Y e X:
(muito pequenas) em X e Y, ratificando
que o resultado uma aproximao.
Y = ke X (k = e ).
1 0

Dependendo da natureza das variveis

1 > 0 traduz retornos crescentes.
(frequentemente, de X), esta aproximao
pode ser bem grosseira, ou at invlida. 1 < 0 traduz retornos decrescentes.

Modelo Log-Log

Em certas situaes, nosso interesse estar Por exemplo, se X = preo e Y = demanda

voltado para um parmetro econmico muito por um bem, temos particular interesse na
importante: a elasticidade de Y em relao X. elasticidade de Y em relao a X, que
chamada elasticidade-preo da demanda.
A elasticidade mede o impacto de uma
variao relativa (ou %) em X sobre a
variao relativa (ou %) em Y.

3
 T.E.A. (Disciplina Preparatria para o Exame da ANPEC)
Mdulo de Estatstica - Professor: Eduardo Lima Campos
A elasticidade de Y com respeito
a X definida da seguinte forma:
Y
= Y = Y X = X .
X X Y
1
Y
X xcaras dirias por pessoa;
inclinao do modelo linear usual.
Questo: em qual ponto (X,Y) calcular ?
Modelo estimado:
Y = 2,6911 0,4795X R 2 = 0,6628
(0,1216) (0,0114)
Interpretao: estima-se que, tudo o mais
constante, um aumento de US$ 1 no preo
gere uma reduo de aproximadamente 0,5
xcara diria por indivduo (0,4795 xcara).
Outro problema que a especificao
proposta no exemplo 21.2 corresponde a
uma funo demanda linear: Y = 0 + 1X,
que no uma forma terica adequada.
Qual o formato de uma funo demanda
mais realista (considere um bem comum)?
Exemplo 21.2 - Estimao da demanda
por caf nos EUA, considerando apenas
a dependncia no preo, utilizando 12
observaes anuais entre 1980 e 1991 de:
Y = Consumo de caf, medido em nmero de
X = Preo real do caf no varejo, em US$ por
libra-peso (1 libra-peso = 0,454 Kg).
(preo real = preo nominal/IPC, 1967 = 100)
Podemos calcular uma elasticidade
no ponto das mdias amostrais ( X, Y ) :
X 1,11
= 1 = 0,4795 = 0,219 0,22.
Y 2,43
A elasticidade calculada desta forma
chamada pontual pois cada ponto (X,Y)
gera um valor diferente para ela. Sua
interpretao , por esta razo, difcil.
Uma funo demanda apropriada :
Y = kX ,
1
(1<0 para um bem comum).
Tomando o ln nos dois lados:
lnY = ln(k) + 1lnX.
4
 T.E.A. (Disciplina Preparatria para o Exame da ANPEC)
Mdulo de Estatstica - Professor: Eduardo Lima Campos

Prova:
A funo demanda do slide anterior
corresponde seguinte relao entre Y e X: Derivando os 2 lados com respeito a X:

lnY = 0 + 1lnX. d ln Y 1 dY
=
dX Y dX igualando
d (0 + 1 ln X ) 1
sendo 1 uma aproximao da elasticidade = dY
de Y em relao a X (vlida para variaes dX X
1 = Y
pequenas em X e Y, e suposta constante). dX
X

O modelo de regresso que permite estimar Exemplo 21.3 - No exemplo da demanda por
os parmetros da equao proposta : caf, considere agora o seguinte modelo:

lnY = 0 + 1lnX + u .(0,0152)

ln Y = 0,7774 0,2530 ln X R 2 = 0,7448
(0,0494)

Este modelo, chamado log-log, usado para Interpretao: a estimativa da elasticidade-

estimar a elasticidade 1 de Y em relao X. preo da demanda por caf -0,2530, o que
significa que um aumento de 1% no preo
O modelo log-log tambm costuma ser gera, tudo o mais constante, uma reduo
chamado modelo de elasticidade constante. de aproximadamente 0,25% na demanda.

Exemplo 21.4 - Se M a demanda de moeda, P

Obs1 - outras vantagens de trabalhar com
o logaritmo de Y, ao invs de Y em nvel:
- Reduzir os efeitos da heterocedasticidade
(exemplo dos salrios x educao)
- Reduzir o impacto de outliers
Obs2 - o R2 no pode ser usado como critrio
para comparar os modelos em 21.2 e 21.3,
pois suas variveis dependentes so diferentes.
um ndice de preos, Y a renda/PIB nominal, m
= M/Y a razo moeda-renda, e r a taxa de juros,
as especificaes propostas na literatura para
a funo demanda de moeda so as seguintes:
m(r) = B. e r (Cagan,1956)
parmetros me(r) so, (Meltzer,1963),valores
= A. rrespectivamente,
em que e so, respectivamente, os valores
absolutos da semi-elasticidade e da elasticidade-
juros da demanda por moeda ( > 0 e > 0),

5
 T.E.A. (Disciplina Preparatria para o Exame da ANPEC)
Mdulo de Estatstica - Professor: Eduardo Lima Campos
Modelo Nvel-Log
Y = 0 + 1ln(X) + u
1 representa o efeito sobre Y de uma
variao relativa ou percentual em X.
Exemplo de aplicao: curvas de Engle.
Exemplo 21.5 - Vamos agora retomar o
modelo do exemplo 21.1, incorporando
X2 = anos de experincia e X3 = anos de
permanncia com o empregador atual.
Suponha que o modelo estimado tenha sido:
.
ln Y = 0,284+ 0,092 X1 + 0,0041X 2 + 0,022 X3
a) Tudo o mais constante, qual a estimativa
do retorno aproximado por um ano a
mais de educao? E do retorno exato?
Mudana de Escala sob
Transformao Logartmica
Se multiplicarmos Y por uma constante, em
modelos cujas variveis esto em logaritmo, o
impacto no ser igual ao do modelo em nvel.
Por exemplo, seja o modelo: ln(Y) = 0 +
1ln(X) + u. Se fizemos uma transformao
Y* = c0Y, temos: ln(c0Y) = 0 + 1ln(X) + u
ln(c0) + ln(Y) = 0 + 1ln(X) + u
ln(Y) = 0 - ln(c0) + 1ln(X) + u.
Modelo Recproco ou Inverso
Y = 0 + 1/X + u
Exemplo de aplicao:
curva de Phillips.
Obs - no item a), podemos pensar que
9,6365% a estimativa do impacto
esperado da educao para pessoas com a
mesma experincia profissional e o mesmo
tempo de permanncia com o empregador.
b) Tudo o mais constante, qual a estimativa
do retorno salarial decorrente de um ano
a mais de permanncia na empresa?
(R: 2,2244%)
Se a transformao for: X* = c1X,
temos: ln(Y) = 0 + 1ln(c1X) + u
ln(Y) = 0 + 1(ln(X) + ln(c1)) + u
ln(Y) = 0 + 1ln(c1) + 1ln(X) + u.
Ou seja, em ambos os casos, a mudana
se d apenas no intercepto do modelo!
No modelo log-nvel, o efeito de mudanas
de escala em Y ser o mesmo, ao passo que
mudanas de escala em X possuem o mesmo
impacto que se observa no modelo em nvel.
6
 T.E.A. (Disciplina Preparatria para o Exame da ANPEC)
Mdulo de Estatstica - Professor: Eduardo Lima Campos

Termos Quadrticos Esta hiptese no somente restritiva, mas

irreal. Espera-se que no apenas o consumo,
Exemplo 21.6 - Seja Y = consumo mas tambm sua taxa de variao, varie de
(familiar), X = renda e o modelo: acordo com o nvel de renda (de que forma?).

Y = 0 + 1X + u. Uma forma natural de incorporar esta

informao a seguinte especificao:
Este modelo considera que o efeito de
variaes da renda sobre o consumo Y = 0 + 1X + 2X2 + u.
constante, independente do nvel de renda.

O modelo do slide anterior um modelo de

regresso mltipla, com X1 = X e X2 = X2. Demonstrao:

Considere que a varivel explicativa

O efeito (exato) de X sobre Y : X varie uma unidade (X X+1).

Y
= 1 + 2 + 22 X. Vamos analisar qual o efeito
X correspondente sobre Y.

Isto demonstrado a seguir.

Fazendo Y = Y2-Y1, temos:

Seja Y1 o valor de Y em resposta a X:
Y = 1 + 2 + 22X + u (I)
Y1 = 0 + 1X + 2X2 + u1,

Assim, se u = 0 (ou seja, se todos os demais

fatores so mantidos constantes), a variao
e seja Y2 o valor de Y em resposta (X+1):
em Y associada variao unitria em X :
Y2 = 0 + 1(X+1) + 2(X+1)2 + u2, 1 + 2 + 22X.

7
 T.E.A. (Disciplina Preparatria para o Exame da ANPEC)
Mdulo de Estatstica - Professor: Eduardo Lima Campos
Obs - Aplicando o valor esperado em (I):
E(Y) = 1 + 2 + 22X.
Portanto, 1 + 2 + 22X pode ser interpretado
como a variao esperada em Y em resposta
uma variao unitria em X (sem considerar
tudo o mais constante, ou, no caso, sem
necessariamente considerar que u seja zero).
Exemplo 21.7 - Sejam Y = salrio e X =
experincia profissional. Espera-se que a
taxa de variao dos salrios decresa com
os anos de experincia. Este comportamento
pode ser representado pelo seguinte modelo:
Y = 0 + 1X + 2 X2 + u.
Espera-se 2 positivo ou negativo?
Respostas:
Impactos aproximados:
Para 1 ano: 0,298 + 2*(-0,0061)*1 = 0,2858.
Para 10 anos: 0,298 + 2*(-0,0061)*10 = 0,176.
Impactos exatos:
Para 1 ano: 0,2797.
Para 10 anos: 0,1699.
O efeito aproximado de X sobre Y (para
variaes muito pequenas em X)
dY
= 1 + 22 X.
dX
Outra forma de ver isto calcular o impacto
de uma variao X sobre Y (pela diferena
entre as respostas a X e X+X), e verificar
que, para X pequeno, o impacto 1 + 22X.
O seguinte modelo foi estimado com base
em uma AAS de 526 observaes:
Y = 3,73 + 0,298X 0,0061X 2
(0,35) (0,041) (0,0009)
n = 526 R = 0,093
2
Qual o impacto de um ano adicional de
experincia sobre o salrio, para um indivduo
que possua 1 ano de experincia? E 10 anos?
O modelo estimado representa a seguinte
relao entre salrios e anos de experincia:
8
 T.E.A. (Disciplina Preparatria para o Exame da ANPEC)
Mdulo de Estatstica - Professor: Eduardo Lima Campos
Note que a taxa de variao vai diminuindo
(retornos decrescentes) at um ponto crtico,
no qual a inclinao da curva se inverte.
Este ponto calculado da seguinte forma:
dY
= 1 + 2 2 X = 0
dX
1 0,298
X* = = 24,4.
22 2 * ( 0,0061)
Obs2 - O modelo estimado capturou os
retornos decrescentes do exemplo. O
modelo quadrtico tambm permite
capturar retornos crescentes (2 > 0).
(retornos = taxas de variao)
Relao entre preo e nmero de cmodos:
retornos crescentes
1 = 0,545 e
2 = 0,062 (> 0).
Obs1 - Note que o formato da curva aps o
ponto crtico parece no fazer muito sentido.
Isto pode ser devido a dois fatores:
1 - A amostra contm poucas ou nenhuma
observao com X > 24,4, e no faz sentido
interpretar a curva para este domnio de X.
2 - O efeito est sendo estimado com vcio,
possivelmente em funo de especificao
incorreta do modelo, devida omisso de
varivel(eis) e/ou forma funcional incorreta.
Exemplo 21.8 (Wooldridge, p. 184-185)
A figura a seguir ilustra a relao entre preo
e nmero de cmodos que representada por
este modelo (a amostra no teve unidades
com menos de 5 cmodos, e assim, para
fins prticos, devemos olhar para X5).
Exemplo 21.9 - Considere o modelo:
Y = 0 + 1lnX + 2lnX2 + u.
Este modelo linear nos parmetros?
Em caso positivo, h
algum problema com ele?
9
 T.E.A. (Disciplina Preparatria para o Exame da ANPEC)
Mdulo de Estatstica - Professor: Eduardo Lima Campos

Variveis Qualitativas
Frequentemente, na especificao de um
modelo de regresso linear, importante
controlar fatores de natureza qualitativa,
tais como gnero, ter ou no computador,
raa, estado civil, estao do ano, etc.
Comearemos estudando o caso em que o fator
possui apenas duas categorias, como gnero.
Isto leva a um caso bem particular de
varivel qualitativa, denominada varivel
indicadora, binria, dicotmica ou dummy.
Para representar duas categorias, costuma-se
utilizar os valores 0 e 1 . Esta escolha no
por acaso, pois conduz a uma interpretao
simples e direta para o respectivo coeficiente.

Exemplo 21.10 - Considere modelos para

A varivel X4 define 2 modelos: um para
explicar variaes de salrio. Uma hiptese
os homens e outro para as mulheres.
de interesse que haja discriminao por
gnero, isto , que, tudo o mais constante,
homens ganhem mais do que mulheres. Modelo para as mulheres (X4 = 0):
Y = 0 + 1X1 + 2X2 + 3X3 + u.
Isto pode ser investigado por meio da
incorporao ao modelo de uma varivel Modelo para os homens (X4 = 1):
dummy, definida da seguinte forma: X4 = Y = 0 + 1X1 + 2X2 + 3X3 + 4 + u.
1, se i for homem, X4 = 0, se i for mulher.

Interpretaes Possveis para 4:

Neste exemplo, o teste de discriminao salarial
1. 4 a diferena entre os salrios de por gnero seria formulado como segue:
homens e mulheres, tudo o mais constante;
H0: 4 = 0 x H1: 4 > 0.
2. 4 quanto um homem ganha a mais que
uma mulher, tudo o mais constante; ou ainda:
Obs - se no controlarmos outros fatores,
3. 4 quanto um homem ganha em mdia
o efeito do gnero sobre os salrios tende
(ou quanto se espera que um homem ganhe)
a ser sobrestimado, uma vez que educao,
a mais que uma mulher com mesmo tempo
experincia profissional e permanncia no
de educao (X1), experincia profissional
emprego tendem a ser menores para mulheres.
(X2) e permanncia no emprego atual (X3).

10
 T.E.A. (Disciplina Preparatria para o Exame da ANPEC)
Mdulo de Estatstica - Professor: Eduardo Lima Campos
Armadilha da Varivel Dummy
(Dummy Trap)
No se pode incluir no modelo 2 dummies,
sendo uma para homens e outra para mulheres.
Isto causa multicolinearidade perfeita, o
que chamado armadilha da varivel dummy.
A regra : se existem g categorias, utilize g-1
dummies, definindo uma categoria de referncia.
Nesta situao, comum definir o ms de
dezembro como a categoria de referncia.
As dummies so definidas como segue:
X1 = 1, se for janeiro, 0 caso contrrio
X2 = 1, se for fevereiro, 0 caso contrrio
...
X11 = 1, se for novembro, 0 caso contrrio.
Questes de possvel interesse:
1. Qual o nvel de vendas esperado para cada
um dos meses? Em particular, qual o nvel
de vendas esperado para dezembro?
2. Tudo o mais constante, qual a diferena
entre as vendas de maro e dezembro?
3. Tudo o mais constante, qual a diferena
entre as vendas de maro e julho?
No exemplo 21.10, g = 2 categorias, portanto
utilizamos 1 dummy, definindo mulher como
categoria de referncia/base) A interpretao
do coeficiente 4 ser em relao s mulheres.
O mesmo vale para mais de 2 categorias. Por
exemplo, em um modelo para explicar vendas,
temos razes para acreditar que, tudo o mais
constante, haja diferena no nvel de vendas
entre os meses do ano. Em particular, em
dezembro deve-se observar aumento nas vendas.
j , tudo o mais constante a diferena
nas vendas do ms j para dezembro.
As g-1 = 11 dummies definem 12 modelos:
Para o ms j, j = 1, 2, ..., 11:
Y = 0 + jXj + u;
E, para o ms 12 (dezembro):
Y = 0 + u.
Neste ltimo caso, se esta for realmente uma
questo de interesse direto, devemos testar a
significncia desta diferena. Por outro lado,
a estimao do erro padro seria bem difcil.
Nesta situao, o melhor a fazer
reparametrizar o modelo, mudando a
categoria de referncia para julho.
11
 T.E.A. (Disciplina Preparatria para o Exame da ANPEC)
Mdulo de Estatstica - Professor: Eduardo Lima Campos
Termos de Interao
Termos de interao so teis quando se
considera que uma das variveis no modelo,
digamos X2, possa interferir no somente
em Y, mas tambm no efeito de X1 sobre Y.
Exemplo 21.11 - Sejam Y = salrio, X1 =
educao, X2 = gnero e o modelo:
Y = 0 + 1X1 + 2X2 + 12X1X2 + u.
Portanto, nesta especificao, ser homem
afeta Y no apenas de forma direta, mas
tambm afeta o efeito de X1 sobre Y.
12 mede a diferena do efeito da educao
sobre o salrio mdio, dos homens em relao
s mulheres, com tudo o mais constante.
O efeito total da educao sobre o salrio :
1 + 12.
O efeito de um ano adicional de educao sobre
o salrio mdio ser 1+13X3. Ou seja, um ano
adicional de experincia impacta no somente o
salrio, mas tambm o efeito da educao sobre
o salrio (a magnitude deste ltimo efeito 13).
Para compreender o significado de 12,
podemos novamente decompr o modelo:
Modelo para as mulheres (X2 = 0):
Y = 0 + 1X1 + u.
Modelo para os homens (X2 = 1):
Y = 0 + 1X1 + 2 + 12X1 + u ou:
Y = (0 + 2) + (1+12)X1 + u.
Interaes entre Variveis Contnuas:
No exemplo 21.11, razovel que haja diferena
no efeito da educao sobre o salrio, para
pessoas com diferentes anos de experincia.
Vamos incorporar ao modelo a varivel
X3 = experincia profissional, e incorporar
um termo de interao entre X1 e X3:
Y = 0 + 1X1 + 2X2 + 3X3 + 13X1X3 + u.
Para acomodar a hiptese de retornos
crescentes, podemos considerar como
varivel dependente o logaritmo do salrio.
Neste caso, todas as interpretaes passam
a ser sobre o efeito de X sobre a variao
relativa/percentual em Y ou sobre o retorno
de Y para variaes unitrias em X.
12
 T.E.A. (Disciplina Preparatria para o Exame da ANPEC)
Mdulo de Estatstica - Professor: Eduardo Lima Campos

Uma hiptese de possvel interesse que

Testes de Hipteses Conjuntas
com Especificaes No Lineares
Exemplo 21.12 - Seja Y = salrio, X1 =
anos de curso profissionalizante e X2 =
anos de curso superior. O modelo terico :
ln( Y ) = 0 + 1X 1 + 2 X 2 + u
um ano a mais de curso profissionalizante
seja equivalente, em termos de retorno
salarial, a um ano a mais na universidade
A hiptese nula, portanto, seria: H0: 1 = 2.
H0 postula que um ano a mais de curso
profissionalizante e na universidade levam ao
mesmo aumento % ceteris paribus no salrio.
(qual a hiptese alternativa razovel, aqui?)

A estatstica do teste baseia-se

Isto corresponde s seguintes hipteses:
no fato de que, sob a RLM. 6:
H0: 1 = 2 x H1: 1 < 2,

que, por sua vez, equivalem a: ( ) ( ) ~ N(0,1),

V( )
1 2 1 2

H0: 1-2 = 0 x H1: 1-2 < 0.

1 2

O teste t pode ser adaptado para esta situao. ( ) () ( ) ( )

sendo : V 1 2 = V 1 + V 2 2Cov 1 , 2 .

Se trocarmos a varincia terica por seu

n Desta forma, o teste consiste em calcular :
2
u i
estimador, usando que 2 = i =1

( ) ,
:
n 3
t0 =
V ( )
1 2

1 2

( ) ( ) ~ t e comparar com os valores crticos da t n 3 .

V ( )
1 2 1 2
n 3
.
1 2

13
 T.E.A. (Disciplina Preparatria para o Exame da ANPEC)
Mdulo de Estatstica - Professor: Eduardo Lima Campos

Exemplo 21.12 (cont.) - O modelo estimado foi:

Uma dificuldade com a abordagem proposta
que no simples encontrar a expresso da
ln( Y ) = 1, 472 + 0,0667 X 1 + 0,0769 X 2 covarincia entre os estimadores a partir da
( 0 ,021) ( 0 ,0068 ) ( 0 ,0023 ) sada usual de um modelo de regresso.
R = 0,222
2
n = 6.763
Uma abordagem interessante para contornar
esta dificuldade reparametrizar o modelo.
Tente calcular t0.
Qual a dificuldade?

Fazendo = 1-2, temos o O teste para 1-2 passa a ser:

modelo reparametrizado:
H0: = 0 x H1: < 0.
ln(Y) = 0 + ( + 2 )X1 + 2 X 2 + u
ln(Y) = 0 + X1 + 2 (X1 + X 2 ) + u Suponha que o modelo reestimado tenha sido:
ln(Y) = 0 + X1 + 2 X + u,*
2

com X*2 = X1 + X 2 . ln(Y) = 1,472 0,0102 X1 + 0,0769 X*2

(0,021) (0,0069) (0,0023)
Neste ltimo modelo, R = 0,222, n = 6.763
2

o parmetro de interesse.

t0 pode ser calculada diretamente:

0,0102
t0 = = = 1,48.
V () 0,0069
Dado o tamanho da amostra, a distribuio
Normal pode ser adotada. Desta forma, o p-
valor associado ao teste aproximadamente:
P(Z-1,48) = 0,5 0,4306 = 0,0694.
Concluso:
Aos nveis 0,05 e 0,01, no temos
evidncia para rejeitar H0.
Somente ao nvel 0,1 temos evidncia de que o
efeito de um ano de curso superior maior que
o de um ano de curso profissionalizante.

14
 T.E.A. (Disciplina Preparatria para o Exame da ANPEC)
Mdulo de Estatstica - Professor: Eduardo Lima Campos

Exemplo 21.13 - Suponha que tenhamos

estimado uma funo demanda, com Y = O teste consiste em calcular :
ln(demanda), X1 = ln(preo), X2 = ln(renda) e
X3 = ln(riqueza). Podemos estar interessados,
t0 =
( ) ,
V ( )
2 3
por exemplo, em investigar se a elasticidade
com relao renda e riqueza so iguais. 2 3

Isto corresponde s seguintes hipteses: e comparar com os valores crticos da t n 4 ,

considerando agora uma regio crtica bilateral.
H0: 2-3 = 0 x H1: 2-3 0

Outra aplicao em economia o teste da

hiptese de retornos constantes de escala
em uma funo de produo, que significa
que uma variao nos insumos acarreta
variao de mesma proporo no produto.
O modelo a ser estimado :
ln(Y) = 0 + 1ln(X1) + 2ln(X2) + u, em que:
Y = produto, X1 = trabalho e X2 = capital.

Exemplo 21.14 - Considere a estimao da A hiptese de retornos constantes de escala :

funo de produo de Cobb-Douglas, para
explicar as variaes no produto a partir de
H0: 1+2 = 1.
variaes nos insumos capital e trabalho.

Nesta aplicao, o teste consiste em calcular : No exemplo 21.14, o modelo irrestrito seria o
modelo original, e o modelo restrito seria:

t0 =
( + 3 1 ) ln(Y) = 0 + (1-2)ln(X1) + 2ln(X2) + u
( )
2
,
V + 2 3 ln(Y) = 0 + ln(X1) - 2ln(X1) + 2ln(X2) + u
ln(Y)-ln(X1) = 0 - 2ln(X1) + 2ln(X2) + u
e comparar com os valores crticos da t n 3 . ln(Y/X1) = 0 + 2ln(X2/X1) + u

Uma abordagem mais usual incorporar as Este modelo explica a razo produto/trabalho
restries diretamente ao modelo, e comparar a partir da razo capital/trabalho. Ele deve ser
os modelos restrito e irrestrito via teste F. estimado, e sua SQR (= SQRrestrito), registrada.

15