E CONOMETRIA I - Profª.

Ana Maria Hermeto

( AHERMETO @ CEDEPLAR . UFMG . BR)
Exercício 3: Modelos de Regressão Múltipla, Formas Funcionais e Variáveis
Dummy

Faça uma discussão sobre modelos de regressão com especificações de diferentes

formas funcionais e com variáveis dummy e interprete os resultados dos
exercícios, a serem calculados usando o programa Gretl. Explique os pressupostos,
as hipóteses e os resultados das diferentes especificações em cada exercício.
(1) Com o banco de dados “exercicio3_1.xls”, estime no Gretl as seguintes
equações da curva de Kuznets, utilizando como variável dependente o Coeficiente
de Gini, e incluindo como variáveis independentes, além do log do PIB per capita,
grau de urbanização, proporção da população de 25 anos ou mais de idade com ao
menos ensino fundamental completo (%), taxa de crescimento populacional,
variáveis dummies de nível do IDH (muito alto, alto, médio e baixo) .
(1.1) Refaça a estimação básica, em seguida inclua a forma logarítmica do PIB per
capita e a forma quadrática. Interprete os resultados de forma comparativa.
gini = β0 + β1[pibpc] + β2[urbaniz] + β3[educ] + β4[crescpop] + u
gini = β0 + β1[pibpc] + β2[pibpc]2 + β3[urbaniz] + β4[educ] + β5[crescpop] + u
gini = β0 + β1[logpibpc] + β2[urbaniz] + β3[educ] + β4[crescpop] + u
(1.2) Estime novas regressões incluindo as variáveis dummies de nível do IDH para
o melhor modelo escolhido em (a).
(1.3) Escolha novas variáveis da base de dados para incluir nos modelos,
explicitando as hipóteses relativas à especificação da forma funcional. Interprete
comparativamente e faça uma tabela-resumo com os resultados dos modelos.

(2) Usando o Gretl e considerando a base de dados “exercicio3_2.gdt”, referente à

relação entre o capital humano (educação e experiência) e salário, refaça a
estimação incluindo simultaneamente as variáveis de idade e educação, e em
seguida transformando a variável dependente em sua forma logarítmica, e
estabelecendo a forma quadrática para a variável de idade. Interprete os resultados
de forma comparativa.
2.1) salario = β0 + β1[anosestudo] + β2[idade] + u
2.2) log(salário) = β0 + β1[anosestudo] + β2[idade] + u
2.3) log(salário) = β0 + β1[anosestudo] + β2[idade] + β2[idade2] + u
2.4) Estime e interprete os seguintes modelos com dummies para sexo (1=homens,
0=mulheres) e raça (1=brancos, 0=negros). Faça uma interpretação gráfica
comparativa.
salario = β0 + β1[anosest] + β2[idade] + β3[homens] + β4[brancos] + u
2.5) Em diferentes modelos, inclua interações entre:
(a) as duas variáveis dummy;
(b) uma dummy e uma contínua.
Obs.: No menu do Gretl: Acrescentar  Definir nova variável 
nomenovavariável = nomevariável_1 *nomevariável_2
Especifique as equações, estime as regressões e interprete os resultados. Faça uma
tabela-resumo com todos os modelos. Faça uma interpretação gráfica comparativa.
2.6) Estime e interprete o modelo que substitui a variável contínua de educação
por dummies geradas a partir da variável de grupos de anos de estudo, composta
pelas seguintes categorias:
1 : 0 a 3 anos de estudo
2 : 4 a 7 anos de estudo
3 : 8 a 10 anos de estudo
4 : 11 a 14 anos de estudo
5 : 15 ou mais anos de estudo
Por exemplo, omitindo a categoria 1:
salario = β0 + β1[idade] + β2[homens] + β3[brancos] + β4[4a7anest] + β5[8a10anest]
+ β6[11a14anest] + β7[15anest] + u

2.7) Escolha outras variáveis dummies para compor o modelo (setores de atividade,
grupos de ocupação, posição na ocupação, regiões, setor formal), a partir de
hipóteses sobre a determinação das diferenças salariais no Brasil, estime e compare
os resultados dos modelos. Utilize, se necessário, interações para responder às
hipóteses.

DATA DE ENTREGA: 03/05/2017