Escolar Documentos
Profissional Documentos
Cultura Documentos
Respostas Gujarati PDF
Respostas Gujarati PDF
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.
REINO Estados
CANADÁ FRANÇA ALEMANHA ITÁLIA JAPÃO
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)
Manual de Soluções • Econometria Básica • Gujarati
Legenda:
PC = Canadá
PF = França
PG = Alemanha
PI = Itália
PJ = Japão
PUK = Reino Unido
PUS = Estados Unidos
(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.
(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 • 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.
(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:
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 • 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.
Vertical = Impressões
Horizontal = Desppub
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).
2.4 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 = lnβ1.
2.7 (a) Aplicando o logaritmo natural, obtemos lnYi = β1+ β2 Xi + ui, que assim é um
modelo de regressão linear.
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 β2 na Questão 2.7 (d) fosse 0,8, esse
−0,8( X − 2)
seria um modelo de regressão linear, já que e i
pode ser facilmente calculado.
2.9 Todos são modelos de regressão intrinsecamente lineares, como demonstramos a
seguir:
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.
2.12 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.
Vertical = TPFTCH
Horizontal = TDCH
VERTICAL = TPFTCH
HORIZONTAL = GHM82
VERTICAL = TPFTCM
HORIZONTAL = GHM82
Manual de Soluções • Econometria Básica • Gujarati
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.
MALEVERB =VERBH
FEMVERB = VERBM
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.
VERTICAL = VERBM
HORIZONTAL = VERBH
CAPÍTULO 3
MODELO DE REGRESSÃO DE DUAS VARIÁVEIS: O PROBLEMA DA ESTIMAÇÃO
3.1 (1) Yi = β1+ β2Xi + ui, logo, E(Yi|Xi) = E[(β1+ β2Xi + ui)|Xi]
E(Yi|Xi) = β1+ β2Xi + E(ui|Xi), visto que β1e β2 são constantes e X é não-estocástico.
(3) Dado que var(ui|Xi) = σ2, var(Yi|Xi) = E[Yi - E(Yi)]2 = E(ui2) = var(ui|Xi) = σ2, por
premissa.
3.2
xi
Yi Xi yi xi xi 2
yi
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.
Logo, βˆ2 =
∑x y
i i
=
19
= 1,357; βˆ1 = Y − βˆ2 X = 1,572.
∑x 2
i 14
Manual de Soluções • Econometria Básica • Gujarati
Logo, sem a premissa E(ui) = 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.
normal.
normal.
E ( XY ) 2
3.5 Da desigualdade de Cauchy-Schwarz temos que ≤ 1.
E ( X 2 ) E (Y 2 )
Ora, r =
2 ∑ (x y ) i i
2
β yx = ∑ β xy = ∑
xi yi xi yi
3.6 Observe que e que . Multiplicando as duas equações,
∑x 2
i ∑y 2
i
obtemos a expressão para r2, o coeficiente de correlação amostral elevado ao
quadrado.
Manual de Soluções • Econometria Básica • Gujarati
3.7 Mesmo que βˆ yx ⋅ βˆxy = 1 , ainda faria diferença (pela causalidade e teoria) se fosse
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 βˆ yx = βˆxy .
n +1
3.8 As médias das duas variáveis são iguais a: Y = X = ,
2
(1)
em que as letras minúsculas, como sempre, indicam desvio dos valores médios.
n(n 2 − 1)
e, analogamente, ∑ y =
2
, então
i
12
2n(n + 1)(2n + 1)
∑d 2
= ∑ ( X i − Yi ) 2 = ∑ ( X i2 + Yi 2 − 2 X iYi ) =
6
− 2∑ X iYi , logo
n(n + 1)(2n + 1) ∑ d
2
∑ X iYi = 6
−
2
. (2)
∑ x y = ∑ X Y − ∑ n∑
X Y i i
Como i i i i , usando (2), obtemos:
− − = − . (3)
3 2 4 12 2
Agora, basta substituir as equações anteriores na equação (1) para obter a resposta.
Manual de Soluções • Econometria Básica • Gujarati
αˆ1 = Y , já que ∑x i = 0.
var ( βˆ1 ) =
∑X i
2
σ 2
e var (αˆ1 ) =
∑x 2
i
σ =
2 σ2
.
n∑ x i
2
n∑ x 2
i n
(b) βˆ2 =
∑x y i i
e αˆ1 =
∑x y
i i
, já que xi = ( X i − X )
∑x 2
i ∑x 2
i
σ2
É fácil verificar que var ( βˆ2 ) = var (αˆ 2 ) = .
∑x 2
i
(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.
βˆ2 = ∑ ∑x y
( xi − x )( yi − y )
= i i
, já que as médias das duas variáveis são iguais a
∑ ( xi − x ) 2
xi2
zero. Esta é a Equação (3.1.6) do livro-texto.
(b) Falsa. Consultando novamente a Questão 3.11, veremos que será negativo.
Manual de Soluções • Econometria Básica • Gujarati
Sx Sy
respectivamente) são ambos positivos, e ryx = β yx e rxy = β xy , então β xy e β yx
Sy Sx
têm de ser positivos.
rzw =
∑z w i i
=
∑ ( x + x )( x + x )
1 2 2 3
=
∑x 2
2
, porque
∑z ∑w 2
i
2
i ∑ (x + x ) ∑ (x + x )
1 2
2
2 3
2
(∑ x + ∑ x )(∑ x + ∑ x
2
1
2
2
2
2
2
3
σ2 1
rzw = = , em que σ é a variância comum.
2
(2σ 2 + 2σ 2 2
O coeficiente não é zero porque os pares combinados são correlacionados, ainda que
as variáveis X1, X2 e X3 não sejam individualmente correlacionadas.
βˆ2 = ∑ 2
xy
, omitido o subscrito de observação.
x
αˆ 2 = ∑
zi yi 2∑ xi yi 1 ˆ
= = β2
∑z 2
i 4∑ x 2
i 2
ryy2ˆ =
∑ (βˆ x )
2 i
2
=
βˆ22 ∑ xi2
= r 2 , aplicando a Equação (3.5.6) do texto.
∑y i
2
∑y 2
i
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.
αˆ = ∑
yi yˆi βˆ ∑ xi yi βˆ 2
= 2 = 2 = 1 , porque yˆi = βˆ xi e ∑x y = βˆ ∑ xi2 para o modelo de
∑ β ∑ i βˆ
i i
ˆ
y 2 ˆ x 2
3.17 Escreva a regressão amostral assim: Yi = βˆ1 + uˆi . Pelo princípio dos mínimos
quadrados, temos de minimizar: ∑ uˆ = ∑ (Y − βˆ )
2
i i 1
2
. Derive essa equação em relação
ao único parâmetro conhecido e iguale o resultado a zero para obter:
2
d (uˆ )
i
= 2∑ (Yi − βˆ1 )( − 1) = 0 , que simplificada dá βˆ1 = Y , ou seja, a média amostral. E
d β1
σ y2
sabemos que a variância da média amostral é , em que n é o tamanho da amostra
n
Problemas
d –2 1 –1 3 0 –1 –1 –2 1 2
d2 4 1 1 9 0 1 1 4 1 4
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 • Econometria Básica • Gujarati
VERTICAL = REMSEMP
HORIZONTAL = PRODSEMP
Vertical = REMSENA
Horizontal = PRODSENA
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.
3.21
∑ Yi ∑ Xi ∑ Xi Yi ∑ X i2 ∑ Yi2
3.23 (a) Segue o gráfico, em que PIBN e PIBR são, respectivamente, PIB nominal e
PIB real.
NGDP = PIBN
RGDP = PIBR
(c) Nesse caso, o coeficiente angular informa a taxa de variação do PIB por intervalo
de 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.
(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.
CAPÍTULO 4
A PREMISSA DA NORMALIDADE: MODELO NORMAL DE REGRESSÃO LINEAR
CLÁSSICO (MNRLC)
4.1 Dado que o coeficiente de correlação entre Y1 e Y2, ρ, é igual a zero, a função de
densidade de probabilidade normal bivariada (de duas variáveis) fica reduzida a:
1 ⎡ 1 ⎛ Y − μ ⎞2 1 ⎛ Y − μ ⎞2 ⎤
f (Y1 , Y2 ) = exp ⎢ − ⎜ 1 1
⎟ − ⎜
2 2
⎟ ⎥
2πσ 1σ 2 ⎢⎣ 2 ⎝ σ 1 ⎠ 2 ⎝ σ 2 ⎠ ⎥⎦
⎧⎪ 1 ⎡ 1 ⎛ Y − μ ⎞ 2 ⎤ ⎫⎪ ⎧⎪ 1 ⎡ 1 ⎛ Y − μ ⎞ 2 ⎤ ⎫⎪
=⎨ exp ⎢ − ⎜ ⎟ ⎥⎬ ⎨ exp ⎢ − ⎜ 2 ⎟ ⎥ ⎬ = f (Y1 ) f (Y2 ) , em que
1 1 2
σ
⎪⎩ 1 2 π ⎢⎣ 2 ⎝ σ 1 σ
⎠ ⎦⎥ ⎪⎭ ⎪⎩ 2 2π ⎢⎣ 2 ⎝ σ 2 ⎠ ⎥⎦ ⎪⎭
f (Y1 ) e f (Y2 ) são as funções de densidade de probabilidade normal univariadas (de
uma variável). Então, quando ρ for zero, f (Y1 , Y2 ) = f (Y1 ) f (Y2 ) , o que é a condição
para independência estatística. Portanto, no caso normal bivariado, a correlação zero
implica independência estatística.
∂ 2 ln LF n
=− 2 <0.
∂β1 2
σ
∂ 2 ln LF
=−
∑ Xi < 0 .
2
∂β 22
σ2
∂ 2 ln LF n 1 1 ⎛ n 1 ⎞
= − 2 3 ∑ (Yi − β1 − β 2 X i )2 = 2 ⎜ 2 − 2 2 ∑ uˆi2 ⎟ .
∂ (σ )
2 2
2(σ ) (σ )
2 2
σ ⎝ 2σ (σ ) ⎠
1 ⎛ 1 1 ⎞
Como ∑ ui = ∑ (Yi − βˆ1 − βˆ2 X i ) = 2 ⎜ 2 2 ∑ i
uˆ 2 − 2 2 ∑ uˆi2 ⎟ , da Equação (11),
2 2
σ ⎝ 2(σ ) (σ ) ⎠
1 ⎛1 ⎞
∑ ui2 = (σ 2 )3 ∑ uˆî2 ⎜⎝ 2 − 1⎟⎠ < 0 .
Uma vez que todas as segundas derivadas são negativas, os estimadores maximizam a
função de verossimilhança.
FV ( X i , θ ) = ⎜ ⎟ exp
− ∑ Xi
1
θ
. E log FV será: ln FV = − n ln θ −
∑ Xi .
⎝θ ⎠ θ
Derivando essa função em relação a θ, obtemos:
d ln FV ⎛1⎞ ∑X
= −n ⎜ ⎟ + 2 i . Igualando essa equação a zero:
dθ ⎝θ ⎠ θ
θ% = ∑
Xi
= X , que é a média da amostra.
n
Manual de Soluções • Econometria Básica • Gujarati
CAPÍTULO 5
A REGRESSÃO DE DUAS VARIÁVEIS: ESTIMAÇÃO DE INTERVALO E TESTE DE
HIPÓTESES
Perguntas
5.1 (a) Verdadeira. O teste t baseia–se em variáveis com uma distribuição normal. Os
estimadores β1 e β2 seguem tal distribuição, pois são combinações lineares do erro ui, o
qual presumimos ser normalmente distribuído no MRLC.
(b) Verdadeira. Uma vez que E(ui)=0, os estimadores de MQO não são tendenciosos.
Não é preciso nenhuma premissa probabilística para determinar a não-
tendenciosidade.
(c) Verdadeira. Nesse caso, a Equação (1) da Seção 3.A.1 do Apêndice 3A não será
usada. Esse tópico será tratado com mais detalhes no Capítulo 6, Seção 6.1.
(e) Verdadeira. Isso resulta da Equação (1) do Apêndice 3A, Seção 3A.1.
(f) Falsa. Tudo o que podemos dizer é que os dados disponíveis não nos permitem
rejeitar a hipótese nula.
(g) Falsa. Um valor mais alto de σ2 deve ser contrabalançado por um valor mais alto
de ∑x2
i . Somente se este for mantido constante, a afirmação pode ser verdadeira.
(h) Falsa. A média condicional de uma variável aleatória depende dos valores tomados
por outra variável (condicionante). As médias condicional e não-condicional só podem
ser iguais se as duas variáveis forem independentes.
(j) Verdadeira. Consulte a Equação (3.5.2). Se X não tem influência sobre Y, β̂ 2 será
zero, e nesse caso ∑ y = ∑ uˆ
2
i
2
i .
Na hipótese de não haver relação entre despesas com alimentos e despesas totais, o
valor p (valor da probabilidade) de se obter tal valor F é quase zero, sugerindo
enfaticamente que se pode rejeitar a hipótese nula.
0, 6417
5.3 (a) O ep do coeficiente angular é = 0, 0664 .
9, 6536
0, 7347
O valor t sob H0 : β1 = 0, é = 0,8797 .
0,8351
(b) O salário médio por hora aumenta em aproximadamente 64 centavos para um ano
adicional de escolaridade, em média.
(c) Aqui temos n = 13, então gl =11. Se a hipótese nula for verdadeira, o valor t
estimado é 9,6536. A probabilidade de se obter tal t é extremamente pequena, o valor
p é praticamente zero. Pode–se, portanto, rejeitar a hipótese nula de que o nível de
escolaridade não afeta os ganhos por hora.
(e) No caso bivariado, dado que H0 : β2 = 0, existe a seguinte relação entre o valor t e
r2:
t2 9, 65362
r2 = . Como o t dado é 9,6536, obtemos: r 2
= ≈ 0,8944 .
[t 2 + (n − 2)] [9, 65362 − 11]
5.4 Literalmente, a hipótese afirma que não há correlação entre as duas variáveis. Por
conseguinte, se pudermos provar que a covariância entre elas é zero, então a
correlação terá de ser zero.
5.5 (a) Para testar a hipótese de que o coeficiente angular verdadeiro é um, use o
teste t.
βˆ2 − 1 1, 0598 − 1
t= = = 0,821
ep( βˆ2 ) 0, 0728
Para gl = 238, esse valor t não é significativo nem para α = 10%. Conclui–se,
portanto, que durante o período estudado as ações da IBM não foram voláteis.
Manual de Soluções • Econometria Básica • Gujarati
0, 7264
(b) Uma vez que t= = 2, 4205 , é significativo no nível dos 2%, mas,
0,3001
economicamente, isso tem pouco significado prático. Interpretado literalmente, o valor
de 0,73 para o intercepto implica que mesmo que o retorno do portfólio de mercado
seja zero, o do título é de 0,73%.
t= = =
i
5.7 Sob a hipótese de que β2 = 0, obtemos: .
ep( βˆ2 ) σˆ ∑ yi2 (1 − r 2 )
(n − 2)
Porque σˆ =
2 ∑ uˆ 2
i
=
∑y 2
i (1 − r 2 )
, da Equação (3.5.10),
(n − 2) (n − 2)
σˆ 2 =
βˆ2 ∑x 2
i (n − 2)
, mas como r = βˆ2
2 2 ∑x 2
i
, então r = βˆ2
∑x2
i
, da Equação
∑y 2
i (1 − r 2 ) ∑y i
2
∑yi
2
(3.5.6).
r (n − 2) βˆ2 xi2 r 2 (n − 2) ˆ 2 ∑ xi
2
Problemas
5.8 (a) Existe associação positiva na TPFT em 1972 e 1968, o que não é de
surpreender, tendo em vista que desde a Segunda Guerra Mundial a TPFT das
mulheres tem crescido regularmente.
0.6560 − 1
(b) Use o teste t unicaudal ou unilateral: t= = −1, 7542 . Para gl = 17, o valor
0,1961
t unicaudal com α = 5% é 1,740. Como o t estimado é significativo, podemos, nesse
nível de significância, rejeitar a hipótese de que o coeficiente angular verdadeiro é
igual ou maior que 1.
(d) Não poderemos responder essa pergunta sem os dados reais porque precisamos
dos valores dos resíduos para representá–los graficamente e obter o gráfico de
probabilidade normal ou calcular o valor do teste Jarque-Bera.
VERTICAL = REM
HORIZONTAL = GAS
(c) Se a despesa por aluno aumentar um dólar, o salário médio aumentará 3,31
dólares. O intercepto não tem significado econômico viável.
(d) O intervalo de confiança de 95% para β2 é: 3,3076 ± 2(0,3117) = (2,6842 ,
3,931). Baseados neste IC, não rejeitaremos a hipótese nula de que o verdadeiro
coeficiente angular é 3.
(f) O histograma dos resíduos pode ser aproximado a uma curva normal. A estatística
Jarque-Bera é 2,1927, e seu valor p é de aproximadamente 0,33. Assim, baseados
Manual de Soluções • Econometria Básica • Gujarati
neste teste, não rejeitamos a premissa da normalidade, presumindo que o tamanho da
amostra (51 observações) seja razoavelmente grande.
Série: Resíduos
Amostra 1 51
Observações 51
Média 9,13E-12
-
Mediana
217,5192
Máximo 5529,342
-
Mínimo
3847,976
Desvio-
2301,414
padrão
Assimetria 0,499126
Curtose 2,807557
Jarque-Bera 2,196273
Probabilidade 0,333492
38685
O valor F é = 290, 0978 .
133,355
Manual de Soluções • Econometria Básica • Gujarati
Sob a hipótese nula de que não existe relação entre salários reais e produtividade no
setor de empresas, este valor F segue distribuição F com gl 1 e 37 no numerador e
denominador, respectivamente. A probabilidade de obter tal F é 0,0000, ou seja,
praticamente zero. Podemos, portanto, rejeitar a hipótese nula, o que não deve ser
nenhuma surpresa.
A probabilidade de obter tal F seria praticamente zero, caso a hipótese nula fosse
verdadeira, o que leva à sua rejeição.
5.11 (a) O gráfico a seguir indica que a relação entre as duas variáveis não é linear.
Inicialmente, à medida que aumentam as despesas com publicidade, o número de
impressões também aumenta, mas depois decresce gradualmente.
VERTICAL = IMPRESSÕES
HORIZONTAL = GASTOS COM PUBLICIDADE
Yi = 22,163 + 0,3631 Xi
ep = (7,089) (0,0971) r2=0,424.
5.12 (a) O gráfico a seguir mostra que as taxas de inflação dos dois países evoluem
juntas.
VERTICAL = IPCEUA
HORIZONTAL = IPCCAN
(b) & (c) Segue tabela conforme entregue pelo pacote de software estatístico Eviews
3:
Amostra: 1973
1997
Observações
incluídas: 25
Esses resultados mostram que a relação entre as duas variáveis é positiva. Pode–se
facilmente rejeitar a hipótese nula de que não há relação entre as duas variáveis, uma
vez que o valor t obtido sob essa hipótese é 53,55, e é praticamente zero o valor p
(probabilidade) de se obter tal t.
Embora as duas taxas de inflação sejam positivamente relacionadas, não se pode disso
deduzir causalidade, pois esta tem de ser inferida de alguma teoria econômica que a
sustente. Lembre–se de que regressão não implica causalidade.
2,129 − 1
(d) & (e) Com o procedimento habitual do teste t, obtemos: t= = 4,91 . Como
0, 230
esse valor excede o t crítico de 2,160, rejeitamos a hipótese nula. O coeficiente
estimado é realmente maior que um. Para o período estudado, o investimento no
mercado de ações foi provavelmente uma garantia contra a inflação. Foi, certamente,
um hedge muito melhor que o investimento em ouro.
5.14 (a) Não parece haver uma melhor que as outras, todos os resultados estatísticos
são muito parecidos. Todos os coeficientes angulares são estatisticamente
significativos no nível de confiança de 99%.
(b) Não podemos usar os r2 consistentemente elevados para decidir qual é a melhor
definição de moeda. Isso, entretanto, não quer dizer que o tipo de equação usada não
faça diferença.
Manual de Soluções • Econometria Básica • Gujarati
(c) Não se pode dizer isso a partir dos resultados da regressão. Mas, recentemente, o
FED parece estar visando a M2.
⎛ 1 ⎞
5.15 Escreva assim o modelo da curva de indiferença: Yi = β1 ⎜ ⎟ + β 2 + ui . Repare
⎝ Xi ⎠
que agora β1 passou a ser o coeficiente angular e β2 o intercepto. Mas este é, ainda,
um modelo de regressão linear, pois os parâmetros são lineares (veja o Capítulo 6). Os
resultados da regressão são os seguintes:
⎛ 1 ⎞
Yi = 3, 2827 ⎜ ⎟ + 1,1009
⎝ Xi ⎠
ep = (1,2599) (0,6817) r2 = 0,6935.
Yi = 24,6338 + 0,5405 Xi
ep = (19,5071) (0,0094)
t = (1,2628) (57,1016) r2=0,9917.
0,5405 − 1
Para testar a hipótese de que β2 = 1, aplicamos teste: t= = −48,88 . Esse
0, 0094
valor é muito significativo e leva à rejeição da hipótese nula. O coeficiente angular é,
na verdade, menor que um. A partir da regressão dada, o leitor pode facilmente
verificar que o coeficiente do intercepto não é diferente de zero, pois o valor t, sob a
hipótese de que o intercepto verdadeiro é zero, é somente 1,2628.
(c) Em primeiro lugar, como o índice Big Max é “tosco e engraçado”, não tem a menor
importância. Mesmo assim, para os dados da amostra, os resultados não apóiam a
teoria.
0, 714 − 1
(c) t= = 6,36 . Logo, podemos rejeitar a hipótese de que β2 = 1 com 99% de
0, 045
confiança.
(d) Os valores de SQE, SQR e STQ são, respectivamente, 3157,586 (gl 1), 110,247 (gl
22) e 32367,833 (gl 23). Sob a hipótese nula habitual, o valor F é 630,131. O valor p
de se conseguir tal F é quase zero. Podemos, portanto, rejeitar a hipótese nula de que
não há relação entre as duas variáveis.
VERTICAL = IPC
HORIZONTAL = IPP
(b) Use o IPC, que representa os preços pagos pelos consumidores, como regressando,
e o IPP, que representa os preços pagos pelos produtores, como regressor, porque o
primeiro é o segundo com acréscimos.
(c) & (d) A tabela a seguir, apresentada conforme entregue pelo pacote de software
estatístico Eviews 3, fornece os dados necessários:
Variável dependente:
IPC
Método: mínimos
quadrados
Data: 23/06/00
Hora: 16:50
Amostra: 1960 1999
Observações
incluídas: 40
O valor t estimado do coeficiente angular é 29,6986 sob a hipótese nula de que não há
relação entre os dois índices. O valor p (probabilidade) de se obter tal valor t é quase
zero, o que indica a rejeição da hipótese nula.
Série: Resíduos
Amostra 1960 1999
Observações 40
Média 7,11E-15
Mediana 3,781548
Máximo 21,84709
–
Mínimo
19,05008
Desvio-
9,760345
padrão
–
Assimetria
0,119726
Curtose 2,620663
Jarque-Bera 0,335390
Probabilidade 0,845612
CAPÍTULO 6
EXTENSÕES DO MODELO DE REGRESSÃO LINEAR DE DUAS VARIÁVEIS
6.1 (a) Verdadeiro. Repare que a fórmula MQO padrão para estimar o intercepto é:
Mas quando X e Y estão em formato de desvio, seus valores são sempre zero. Daí o
intercepto estimado também ser zero nesse caso.
6.2 (a) & (b) Está incluído na primeira equação um termo de intercepto que, por não
ser estatisticamente significativo no nível de, digamos, 5%, pode ser retirado do
modelo.
(b) Defina Y* = (1/Y) e X* = (1/X) e faça uma regressão MQO de Y* contra X*.
(d) Pode ser que este modelo seja adequado para explicar o baixo consumo de um
produto, como um bem inferior, quando a renda aumenta.
Manual de Soluções • Econometria Básica • Gujarati
6.4
βˆ2 = ∑
xi yi
6.5 Para o modelo I, sabemos que , em que X e Y estão em formato de
∑x 2
i
desvio.
De forma semelhante, obtemos para o modelo II:
αˆ 2 = ∑ *2i
x* yi*
=
∑ ( x / S )( y / S
i x i y )
=
∑ (x y ) / S S
i i x y
=
S x ∑ xi yi
=
Sx ˆ
β 2 , o que demonstra
xi ∑ (x / S )
i x
2
∑x /S 2
i
2
x Sy ∑ x 2
i Sy
que os coeficientes angulares não são independentes da mudança de escala.
6.6 (a) Pode–se escrever o primeiro modelo como: ln( w1Yi ) = α1 + α 2 ln( w2 X i ) + ui , ou
*
seja,
Comparando este com o segundo modelo, constataremos que são iguais, a não ser
pelo intercepto. Dessa forma, os coeficientes angulares estimados também serão
iguais, apenas com interceptos estimados diferentes.
6.11 O modelo, como está, não é linear nos parâmetros. Mas podemos aplicar um
“macete” para transformá–lo em linear: tire o logaritmo natural da razão entre Y e (Y–
1). Ou seja, faça a seguinte regressão:
Yi
ln = β1 + β 2 X i .
1 − Yi
Esse modelo é conhecido como logit, e será discutido no capítulo sobre variáveis
dependentes qualitativas.
Manual de Soluções • Econometria Básica • Gujarati
6.12 (a)
(b)
Problemas
100 ⎛ 1 ⎞
6.13 = 2, 0675 + 16, 2662 ⎜ ⎟
100 − Yi ⎝ Xi ⎠
ep = (0,1596) (1,3232) r2 = 0,9497
Manual de Soluções • Econometria Básica • Gujarati
⎛ 100 ⎞
À medida que X cresce indefinidamente, ⎜ ⎟ se aproxima do valor limite de
⎝ 100 − Y ⎠
2,0675, o que significa que Y tende ao valor limite aproximado de 51,6.
⎛V ⎞
log ⎜ ⎟ = –0,4526 + 1,3338logW
⎝L⎠
ep = (1,3515) (0,4470) r2 = 0,4070.
Para gl 13, o valor t crítico a 5% (bicaudal) é 2,16. Não se pode, portanto, rejeitar a
hipótese nula de que a elasticidade de substituição verdadeira entre capital e trabalho
seja 1.
6.15 (a) Se estivermos convictos, a priori, de que havia uma relação um para um
rigorosa entre os dois deflatores, o modelo adequado seria aquele sem o intercepto.
Yˆi * = 0,9892 X i*
ep = (0,0388) r2 = 0,9789
⎛ Sx ⎞
Equação (6.3.8) do livro–texto, β 2* = β 2 ⎜ ⎟⎟ , em que * indica o coeficiente angular da
⎜ Sy
⎝ ⎠
regressão padronizada. No problema anterior, encontramos β̂ 2 = 0,5340. Sy e Sx são
⎛ Sx ⎞ ⎛ 641 ⎞
dados como 346 e 641 respectivamente. Assim, β2 ⎜ ⎟⎟ = 0,5340 ⎜ ⎟ = 0,9892 = β 2 .
*
⎜ Sy ⎝ 346 ⎠
⎝ ⎠
6.17 Para obter a taxa de crescimento das despesas com bens duráveis, podemos
ajustar o modelo log-lin, cujos resultados são os seguintes:
Uma vez que o coeficiente angular deste modelo é o coeficiente de elasticidade, qual é
o significado da afirmação de que um aumento de 1% no tempo leva a um aumento de
β2% nas despesas com bens duráveis?
Pode–se ver por esses resultados que, ao longo do período estudado, a taxa trimestral
de crescimento das despesas com bens não-duráveis foi de aproximadamente 0,62%.
Comparando os resultados das regressões dos Problemas 6.17 e 6.18, parece que as
despesas com bens duráveis aumentaram a uma taxa bem maior do que aquelas com
bens não-duráveis ao longo do período 1993:01 a 1998:03, fato que, tendo em vista
um dos mais longos períodos de expansão econômica na história dos Estados Unidos,
não é nenhuma surpresa.
VERTICAL = IMPRESSÕES
HORIZONTAL = DESPPUB
Embora a relação entre as duas variáveis pareça ser positiva, não está claro qual curva
se ajustará aos dados. Fornecemos a seguir uma tabela com resultados de regressões
baseadas em alguns modelos.
(3,1261) (2,7394)
(78,0006) (-3,5348)
(3,686) (5,1530)
Log
3,9955 -10,7495 0,5486
recíproco
(21,7816) (-4,8053)
CAPÍTULO 7
ANÁLISE DE REGRESSÃO MÚLTIPLA: O PROBLEMA DA ESTIMAÇÃO
A lição aqui é que uma equação mal especificada pode levar à estimação tendenciosa
dos parâmetros do modelo verdadeiro.
(∑ yx2 )(∑ x32 ) − (∑ yx3 )(∑ x2 x3 ) (∑ yx2 ) − (∑ yx3 )(∑ x2 x3 ) /(∑ x32 )
βˆ2 = = =
(∑ x22 )(∑ x32 ) − (∑ x2 x3 ) 2 (∑ x22 ) − (∑ x2 x3 )2 /(∑ x32 )
7.4 Como foi informado que ui N (0, 4) , gere, por exemplo, 25 observações a partir
de uma distribuição normal com esses parâmetros, o que a maioria dos softwares faz
normalmente. Dessas observações, calcule a variância da amostra como
S 2
=
∑(X i − X )2
, em que Xi é o valor observado de ui na amostra de 25 observações.
24
Repita este exercício, digamos, outras 99 vezes, para completar 100 experimentos. Ao
final, haverá 100 valores de S2. Tire a média desses valores, que deverá estar em
Manual de Soluções • Econometria Básica • Gujarati
7.7 (a) Não. O valor absoluto de r não pode ser maior que um. Aplicando à Equação
(7.11.2) os dados fornecidos, obteremos r12.3 = 2,295, o que, logicamente, é
impossível.
(c) Sim. Da mesma forma pode-se demonstrar que r12.3 = 0,880, outro resultado
possível.
7.9 Os coeficientes angulares nos modelos duplo log fornecem estimativas diretas da
elasticidade (constante) da variável do lado esquerdo em relação à variável do lado
direito. Neste caso:
Manual de Soluções • Econometria Básica • Gujarati
∂ ln Y ∂Y / Y ∂ ln Y ∂Y / Y
= = β2 e = = β3 .
∂ 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 Equações (7.4.7) e
(7.4.8) do texto que os coeficientes angulares não serão afetados. Se, por outro lado,
multiplicarmos Y por 2, os coeficientes angulares, assim como os interceptos e seus
erros-padrão, serão multiplicados por 2. Sempre tenha em mente as unidades em que
o regressando e os regressores são medidos.
(b) As estimativas de MQO do coeficiente angular de X3 serão iguais nos dois modelos.
(c) β 2* = (1 + β 2 ) = α 2 .
αˆ 2 = ∑ ∑ ( x − z )( x ) = ∑ x − ∑ ( z x ) = 1 − βˆ
2
yi xi
= i i i i i i
.
∑x ∑x ∑x ∑x
2 2 2 2 2
i i i i
7.14 (a) Conforme visto na Seção 6.9, para aplicar o modelo normal de regressão
linear clássico (MNRLC), é necessário presumir que ln ui N(0,σ2). Depois de estimar o
∑Y Xi 2i = β 2 ∑ X 22i + β3 ∑ X 2i X 3i
∑Y Xi 3i = β 2 ∑ X 2i X 3i + β3 ∑ X 32i .
(e) Isso é uma generalização simples das equações normais dadas anteriormente.
Problemas
ln Yˆt = 0,627 – 1,274 lnX2i + 0,937 lnX3i + 1,713 lnX4i – 0,182 lnX5i
ep = (6,148) (0,527) (0,659) (1,201) (0,128) R2 =
0,778
(c) Espera-se que a elasticidade preço própria seja negativa, a preço cruzada seja
positiva para bens substitutos e negativa para bens complementares, e a elasticidade
renda seja positiva, já que rosas são um bem normal.
Manual de Soluções • Econometria Básica • Gujarati
7.17 (a) A priori, todas as variáveis parecem relevantes para explicar a atividade de
prospecção de petróleo. Espera-se que todos os coeficientes angulares sejam positivos,
exceto o da variável de tendência, que pode ser positivo ou negativo.
(c) As variáveis preço por barril e produção interna são estatisticamente significativas
no nível de 5%, e seus sinais estão de acordo com as expectativas. As outras variáveis
não são estatisticamente diferentes de zero.
(d) Outra especificação pode ser o modelo log-linear que, além de fornecer estimativas
diretas das elasticidades, pode amarrar características não-lineares (nas variáveis), se
houver.
(c) Despesas federais globais e algum tipo de variável de tendência podem ser muito
importantes.
7.19 (a) O modelo (5) parece ser o melhor porque abrange todas as variáveis
economicamente relevantes, inclusive o preço real dos substitutos da carne de frango,
o que deve ajudar a minorar o possível problema de multicolinearidade entre o preço
Manual de Soluções • Econometria Básica • Gujarati
da carne bovina e o da carne suína existente no modelo (4). O modelo (1) não tem
informações sobre os substitutos, e elas são limitadas nos modelos (2) e (3).
(c) O modelo (4) considera as carnes suína e bovina como bens substitutos, ao passo
que o (2) considera apenas a suína.
(f) Devem ser bens substitutos porque competem com a carne de frango como produto
de consumo.
1
Ceteris paribus – Expressão latina muito usada em Economia e que significa “Todos os outros fatores se mantendo
constantes”.
Manual de Soluções • Econometria Básica • Gujarati
(d) A taxa de queda é 0,54%. Motivos prováveis para essa queda seriam as melhorias
nas condições de trabalho e nos benefícios de pensões ao longo do tempo.
(f) Como os valores t são dados, podemos facilmente calcular os erros-padrão. Sob a
βˆi βˆ
hipótese nula de que β1 verdadeiro é zero, temos a relação: t= ⇒ ep( βˆi ) = i .
ep( βˆi ) t