1

Capítulo 7 Soluções dos Exercícios

Soluções para os Exercícios do Capítulo 7

7.1 (a) y  1, x2  0, x3  0

xt*2 xt*3 yt*

0 1 0
1 -2 1
2 1 2
-2 0 -2
1 -1 -1
-2 -1 -2
0 1 1
-1 1 0
1 0 1

(b)  yt* x*y 2 13,  xt*22  16,  yt* xt*3  4,  xt*32  10

  y x   x    y x   x
* *
t t2
*2
t3
* *
t t3 x
* *
t2 t3   0.8125
(c) b2 
 x   x   x x 
2
*2 *2 * *
t2 t3 t2 t3

b3 
  y x   x   y x  x
* *
t t3
*2
t2
* *
t t2 x
* *
t2 t3   0.4
 x   x   x x 
2
*2 *2 * *
t2 t3 t2 t3

b1  y  b2 x2  b3 x3  1

(d) e� [ 0.4, 0.9875,  0.025,  0.375,  1.4125, 0.025, 0.6, 0.4125, 0.1875]

(e) ˆ 2   eˆt2 
3.8375
 0.6396
T K 93

r23   ( xt 2  x2 )( xt 3  x3 ) 0
(f)
 ( xt 2  x 2 ) 2  ( x t 3  x 3 ) 2
ˆ 2
(g) ep(b2 )  var(
ˆ b2 )   0.1999
 ( xt 2  x2 )2 (1  r232 )
 2

Capítulo 7 Soluções dos Exercícios

(h) SQE   eˆ  3.8375 SQT   ( yt  y ) 2  16,

2

SQR 12.1625
SQR  SQT  SQE  12.1625 R2    0.7602
SQT 16

7.2 Saída do Eviews para verificar as respostas do Exercício 7.1.

Dependent Variable: Y
Method: Least Squares
Date: 05/04/00 Time: 19:56
Sample: 1 9
Included observations: 9
Variable Coefficient Std. Error t-Statistic Prob.
X1 1.000000 0.266580 3.751221 0.0095
X2 0.812500 0.199935 4.063823 0.0066
X3 0.400000 0.252900 1.581654 0.1648
R-squared 0.760156 Mean dependent var 1.000000
Adjusted R-squared 0.680208 S.D. dependent var 1.414214
S.E. of regression 0.799740 Akaike info criterion 2.652140
Sum squared resid 3.837500 Schwarz criterion 2.717882
Log likelihood -8.934631 Durbin-Watson stat 1.728217

7.3 (a) Um intervalo de confiança de 95% para 2 é

b2  t0.025 e p(b2 )  0.8125  2.447(0.1999)  (0.3233, 1.3017)

(b) H 0 : 2  1, H1 : 2  1
b2  1 0.8125  1
t   0.9377
e p(b2 ) 0.1999

Rejeita-se H 0 se t for maior do que t / 2 . Para   0.05, t0.025  2.447 . Portanto, nós não
rejeitamos H 0 .

b1 0.0091
7.4 (a) (i) A estatística t para b1 é   0.4752
e p(b1 ) 0.0191

0.027641
(ii) O erro padrão para b2 é e p(b2 )   0.00418
6.60862
(iii) b3  (0.000208)( 6.962389)  0.0014
SQE (T  K )
(iv) R2  1  0.053047
SQT (T  1)
 3

Capítulo 7 Soluções dos Exercícios

SQE (T  K )
Ou  1  0.053047  0.946953
SQT (T  1)

SQE
Como T  1519 e K  4 , nós temos  0.94508, e assim
SQT

SQE
R2  1   0.054918
SQT

SQE 5.752896
(v) ˆ    0.061622
(T  K ) 1519  4

(b) O valor b2  0.02764 implica que se ln(totexp) aumenta em 1 unidade, a participação da

bebida aumentará em 0.0276. A variação na participação da bebida em virtude da
mudança de 1 unidade na despesa total dependerá do nível da despesa total.
Especificamente, d ( walc ) d (totexp )  0.02764 totexp .

O valor b3  0.0014 sugere que se a idade do cabeça da família aumenta em 1 ano, a

participação da despesa com bebida daquele domicílio cai em 0.0014.
O valor b4  0.0133 sugere que se o domicílio tem uma criança a mais, a participação
dos gastos com bebida cai em 0.0133.
(c) O intervalo de confiança de 95% para 3 é
b3  t0.025 e p(b3 )  0.0014  1.96(0.0002)  ( 0.0018, 0.0010)
Esse intervalo diz que à medida que a idade do cabeça da família aumenta em 1 ano, a
participação das despesas com bebida cai em uma quantidade entre 0.0018 e 0.001.
(d) H 0 : 4  0, H1 : 4  0
b4
t  4.075
e p(b4 )

Nós rejeitamos H 0 se o t calculado for maior do que t / 2 . Para   0.05, t0.025  1.96 .
Assim, nós rejeitamos H 0 e concluímos que o número de crianças no domicílio influencia
a proporção do orçamento em bebida. Com uma criança adicional, provavelmente se
reduzirá a participação das bebidas no orçamento em virtude da demanda por gastos não
alcóolicos da criança. Também, talvez os moradores da casa com mais crianças preferem
beber menos, acreditando que beber pode ser um mau exemplo para as suas crianças.

7.5 (a) wtrans  0.0315  0.0414 ltotexp  0.00006age  0.0130 nk

(0.0322) (0.0071) (0.0004) (0.0055) R 2  0.0247

(b) O valor b2  0.0414 sugere que à medida que se eleva o log(da despesa total) em 1
unidade, a participação no orçamento dos transportes aumenta em 0.0414. O sinal positivo
de b2 está de acordo com nossa expectativa porque à medida que os moradores se tornam
 4

Capítulo 7 Soluções dos Exercícios

mais ricos, eles tendem a utilizar formas mais luxuosas de transportes e a participação no
orçamento dos transportes aumenta.
O valor b3  0.00006 implica que à medida que a idade do cabeça do domicílio aumenta
em 1 ano, a participação no orçamento do transporte cai em 0.00006. O sinal esperado
para b3 não é claro. Para um dado nível de despesas totais e para um dado número de
crianças, é difícil predizer o efeito da idade na participação dos transportes.
O valor b4  0.0130 implica que à medida que o número de crianças aumenta em 1, a
participação no orçamento dos transportes diminui em 0.013. O sinal negativo de b4 não é
lógico. À medida que o domicílio cresce, nós esperaríamos um aumento da participação
dos transportes no orçamento, ao menos que mais crianças levem um domicílio a buscar
formas mais baratas de transportes.
(c) Analisando a saída do Eviews, a estatística t para testar a hipótese H 0 : 3  0 é –0.1650.
Como o valor crítico ao nível de significância de   0.05 é 1.96, nós não rejeitamos H 0 .
Isso sugere que a variável age não deveria ser incluída na equação. As estatística t para
testes similares para os outros parâmetros são todos maiores do que o valor absoluto de
1.96, sugerindo que as correspondentes variáveis deveriam ser incluídas na equação.
(d) A proporção da variação na proporção do orçamento alocado para os transportes explicada
por essa equação é 0.0247.
(e) Para um domicílio com uma criança:
^
wtrans0  0.0315  0.0414ln(totexp0 )  0.00006 age0  0.013 nk0
 0.0315  0.0414ln(98.7)  0.00006(36)  0.013(1)
 0.1435
Para um domicílio com duas crianças:
^
wtrans0  0.0315  0.0414ln(totexp0 )  0.00006 age0  0.013 nk0
 0.0315  0.0414ln(98.7)  0.00006(36)  0.013(2)
 0.1305

7.6 (a) Para a estimação da equação da participação dos transportes e da bebida no orçamento,
veja as soluções das questões 7.4 e 7.5.
A equação estimada para alimentação é:
^
wfood  0.8959  0.1459ln(totexp )  0.0018age  0.0343 nk
(0.0275) (0.0060) (0.0003) (0.0047) ep
(32.596) (-24.18) (5.9516) (7.2838) t R 2  0.2862
A participação da alimentação no orçamento é negativamente relacionada com as despesas
totais. À medida que ln(totexp) aumenta em 1, a participação dos alimentos cai em
0.1459. Ela é positivamente relacionada com age e nk. À medida que a idade do cabeça do
domicílio aumenta em 1 ano, a participação da alimentação no orçamento aumenta em
0.0018. Também, para uma criança a mais, a participação aumenta em 0.0343. Todas as
estatísticas t para testar H 0 : k  0 são maiores do que os valores críticos de 1.96, ao
 5

Capítulo 7 Soluções dos Exercícios

nível de significância de 0.05. Isso sugere que todas as estimativas são significativamente
diferentes de zero e as variáveis explanatórias, ln(totexp), age e nk influenciam a
participação da alimentação no orçamento.

A função estimada para a participação do vestuário no orçamento é:

^
wcloth  0.2476  0.0837 ln(totexp)  0.0004 age  0.0046 nk
(0.0276) (0.0061) (0.0003) (0.0047) ep
(-8.959) (13.794) (-1.441) (-0.963) t R 2  0.1128
A participação do vestuário no orçamento é positivamente relacionada com ln(totexp) ,
mas é negativamente relacionada com age e nk. Quando estamos comparando as
estatísticas t para testar H o : k  0 com o valor crítico de 1.96 (para   0.05 ), nós
podemos concluir que b2 é significante, mas b3 e b4 não o são . Conseqüentemente,
ln(totexp ) é a única variável na equação que parece influenciar a participação do
vestuário no orçamento.
Para a participação do combustível no orçamento, a equação estimada é:
^
wfuel  0.2988  0.0484ln(totexp)  0.0002 age  0.0012 nk
(0.0150) (0.0033) (0.0002) (0.0026) ep
(19.908) (-14.68) (1.4490) (0.4825) t R 2  0.1265
A participação do combustível no orçamento é negativamente relacionada com ln(totexp) ,
mas é positivamente relacionada com age e nk. Contudo, as estatísticas t para testar
H 0 : k  0 para 3 e 4 são menores do que os valores críticos, ao nível de significância
de   0.05 . Isso sugere que as estimativas b3 e b4 não são significantes e, portanto, age
e nk não têm influência na participação do combustível no orçamento.
Para outras despesas, a equação estimada para a participação é:
^
wother  0.0753  0.0416ln(totexp)  0.0001 age  0.0047 nk
(0.0316) (0.0069) (0.0003) (0.0054) ep
(2.3837) (5.9945) (-0.239) (-0.868) t R 2  0.0239
A participação no orçamento de outras despesas é positivamente relacionada com
ln(totexp ) , mas é negativamente relacionada com age e nk. Observando as estatísticas t,
elas sugerem que ln(totexp) é a única variável que influencia a participação no orçamento
de outras despesas.

(b)
b2 e p(b2 ) Estat. t

wfood -0.1459 0.0060 -24.179

wfuel -0.0484 0.0033 -14.678
wcloth 0.0837 0.0060 13.794
walc 0.0276 0.0042 6.6086
 6

Capítulo 7 Soluções dos Exercícios

wtrans 0.0414 0.0071 5.8561

wother 0.0416 0.0069 5.9945

Os bens que são considerados de necessidade ( b2  0 ) são alimentação e combustível. O

resto é de luxo. As estatísticas t para testar se um bem é de luxo,
H 0 : 2  0 contra H1 : 2  0 , são apresentadas na tabela acima. Nós rejeitamos H 0 se a
estatística t for maior do que o valor crítico de t0.05  1.645 . Como resultado, nós não
rejeitamos H 0 para wfood e wfuel. Nós podemos então concluir que alimentação e
combustível são bens de necessidade enquanto o resto é de luxo.

7.7 (a) O sinal esperado para 2 é negativo porque, à medida que o número de gramas em uma
dada venda aumenta, o preço por grama deveria cair. Existe um desconto para vendas
maiores. Nós esperamos que 3 seja positivo; quanto mais pura for a cocaína, maior
deveria ser o preço. O sinal para 4 dependerá de como a demanda e a oferta estão
mudando ao longo do tempo. Por exemplo, uma demanda fixa e uma oferta crescente
levarão a queda dos preços. Uma oferta fixa e uma demanda crescente levarão a uma
subida do preço.
(b) A equação estimada é:
^
price  90.8467  0.0600 quant  0.1162 qual  2.3546 trend
(8.5803) (0.0102) (0.2033) (1.3861) ep
(10.588) (-5.892) (0.5717) (-1.6987) t R 2  0.5097

Os valores estimados para 2 , 3 e 4 são –0.0560, 0.1162 e 2.3546, respectivamente.

Eles indicam que à medida que a quantidade (número de gramas em uma venda) aumenta
em 1 unidade, o preço irá cair em 0.056. Também, à medida que a qualidade aumenta em 1
unidade, o preço subirá em 0.1162. À medida que o tempo aumenta em 1 ano, o preço cai
em 2.3546. Todos os sinais estão de acordo com nossa expectativa, com 4 indicando que
a oferta cresce mais rápido do que a demanda.
(c) A proporção da variação no preço da cocaína explicada pela variação da quantidade,
qualidade e tempo é 0.5097.
(d) Para essa hipótese, nós testamos H 0 : 2  0 contra H1 : 2  0 . O t calculado é 5.892 .
Nós rejeitamos H 0 se o t calculado for menor do que o valor crítico
t  1.671 para   0.05 . Como o t calculado é menor do que o valor crítico, nós
rejeitamos H 0 e concluímos que os vendedores estão dispostos a aceitar menores preços se
eles puderem vender maiores quantidades.
(e) Nós queremos testar H 0 : 3  0 contra H1 : 3  0 . O valor calculado é 0.5717. Para
  0.05 , nós rejeitamos H 0 se o t calculado for maior do que 1.671. Como para esse
caso o t calculado não é maior do que o valor crítico, nós não rejeitamos H 0 . Nós não
podemos concluir que um prêmio é pago para uma melhor qualidade de cocaína.
 7

Capítulo 7 Soluções dos Exercícios

(f) A variação anual média no preço da cocaína é dado pelo valor de b4  2.3546 . Ele tem
um sinal negativo, sugerindo que o preço cai à medida que o tempo avança. Uma possível
razão para esta direção de mudança pode ser a melhora na tecnologia de produção da
cocaína, tal como os produtores produzirem mais ao mesmo custo.
 8

Capítulo 7 Soluções dos Exercícios

7.8 (a) value  28.4067  0.1834crime  22.81nitox  6.3715room  0.0478age  1.3353dist

(5.3659) (0.0364) (4.161) (0.3924) (0.0141) (0.2001)
0.2723access  0.0126tax  1.1768 ptratio
(0.0723) (0.0038) (0.1394)
A equação estimada sugere que à medida que a taxa de crime per capita cresce em 1
unidade, o valor das casas diminui em $183.4. Quanto maior for o nível de poluição do ar,
menor o valor da casa; um aumento de uma unidade no óxido nítrico leva a um declínio no
valor de $22,810. O aumento do número de quartos leva a uma elevação do valor da casa;
um aumento de um quarto leva a uma elevação de $6,372. Um aumento na proporção das
unidades ocupadas por proprietários construídas antes de 1940 leva a um declínio do valor
da casa. Quanto mais afastada é a distância ponderada a cinco centros de emprego, menor
é valor da casa; cai em $1,335 para cada unidade de distância ponderada. Quanto maior é
a taxa de imposto por $10,000, menor o valor da casa. Finalmente, quanto maior for a
razão aluno-professor, menor o valor da casa.
(b) Um intervalo de confiança de 95% para o coeficiente CRIME é
0.1834  1.96(0.0365)  ( 0.2549,  0.1119) .
Um intervalo de confiança de 95% para o coeficiente ACCESS é
0.2723  1.96(0.0723) = (0.1306, 0.4137).

(c) Nós queremos testar H 0 : room  7 contra H1 : room  7 . A estatística t é

brooms  7 6.3715  7
t   1.6017
e p(brooms ) 0.3924

Para   0.05 , nós rejeitamos H 0 se o valor calculado absoluto for maior do que 1.96.
Como 1.6017  1.96 , nós não rejeitamos H 0 ; os dados são consistentes com a hipótese
de que o aumento de um quarto eleva o valor de uma casa em $7000.
(d) Nós queremos testar H 0 :  ptratio  1 contra H1 :  ptratio  1 . A estatística t é

1.1768  1
t  1.2683
0.1394
Para   0.05 , nós rejeitamos H 0 se o valor calculado for menor do que o valor crítico de
t  1.645 . Como 1.2683  1.645, nós não rejeitamos H 0 . Nós não podemos concluir
que a redução da razão aluno-professor por 10, aumentará o valor de uma casa mais do
que $10,000.

7.9 (a) É esperado que os coeficientes 3, 4 e 5 sejam positivos, enquanto 2 seja negativo. A
variável dependente é o log do consumo de carne bovina per capita. À medida que o preço
da carne bovina cai, o consumo dela deveria aumentar (2 < 0). Também, à medida que o
preço do cordeiro e do porco aumentam, o consumo de carne bovina deveria aumentar
(3 > 0 e 4 > 0). Se a renda disponível per capita aumenta, isso deveria resultar em um
aumento no consumo de carne bovina (5 > 0).
(b) As estimativas de mínimos quadrados e os erros padrão são dados por
 9

Capítulo 7 Soluções dos Exercícios

 t ) = 4.6726  0.82657 ln(pbt) + 0.19968 ln(plt) + 0.43714 ln(ppt) + 0.10167 ln(yt)

ln( qb
(1.6596) (0.1826) (0.2127) (0.3837) (0.2940)
 2 = 0.0049 R2 = 0.7609
Os coeficientes estimados são elasticidades, implicando que o aumento de 1% no preço da
carne bovina leva a um decréscimo de 0.83% na quantidade de carne bovina consumida.
Contrariamente, a variação de 1% no preço do cordeiro e do porco causa uma variação de
0.20% e 0.44%, respectivamente, na quantidade de carne bovina consumida. As
estimativas parecem razoáveis. Todas elas têm os sinais esperados e o preço da carne
bovina tem o maior efeito sobre a quantidade de carne bovina consumida, um resultado
lógico. Contudo, os erros padrão das estimativas dos coeficientes para os preços do
cordeiro e do porco, e para a renda, são relativamente grandes.
(c) A matriz de covariância estimada é dada por
 2.7542 01087
. 0.0736 0.2353 0.3314
 
 01087
. 0.0334 0.0040 0.0107 0.0326
 
co v b1 , b2 , b3 , b4 , b5    0.0736 0.0040 0.0453 0.0439 01661
. 
 
 0.2353 0.0107 0.0439 01472
. 0.0303
 
 
 0.3314 0.0326 01661
. 0.0303 0.0864
e os erros padrão, apresentados na parte (b), são as raízes quadradas da diagonal principal
dessa matriz. A matriz contém as estimativas das variâncias e covariâncias dos estimadores
de mínimos quadrados b1, b2, b3, b4 e b5.. As variâncias e covariâncias são medidas de como
as estimativas de mínimos quadrados irão variar ou “covariar” em um processo de
amostragem repetido.
(d) Os intervalos de confiança de 95%, utilizando tc  2.179 e 12 graus de liberdade, são:

1 2 3 4 5

Limite inferior 1.0564 1.2246 0.2638 0.3989 0.5389

Limite superior 8.2888 0.4286 0.6632 1.2732 0.7422

7.10 (a) O Custo Marginal (MC) é definido como dyt dxt e, portanto,

MCt   2  2 3 xt  3 4 xt2
Assim, a curva MC é uma função quadrática de xt. Funções quadráticas tem um valor
mínimo se o coeficiente do termo ao quadrado é positivo e um valor máximo se o
coeficiente do termo ao quadrado é negativo. Como nós esperamos que a curva MC tenha
um valor mínimo, nós apontaríamos que o coeficiente de xt2 , 34, é positivo. Assim, nós
esperamos 4 > 0.
(b) Colocando ut = et xt , o custo médio é dado por
 10

Capítulo 7 Soluções dos Exercícios

yt 1
AC     2   3 xt   4 xt2  ut
x t xt

custo
800

600
Y
MC
AC
400

200

0
1 2 3 4 5 6 7 8 9 10 produto

Figure 7.1 Curvas Y, AC e MC

(c) A equação de custo total estimada é:

yt = 134.66 + 57.970 xt  11.029 x t2 + 1.1431 x t3
(44.80) (29.97) (5.76) (0.336)

Essa equação e as funções de custo marginal e de custo médio correspondentes aparecem

na Figura 7.1.

(d) Os intervalos de confiança de 95%, utilizando tc = 2.064 para 24 graus de liberdade, são:

1 2 3 4

Limite inferior 42.19 3.89 22.927 0.4498

Limite superior 227.12 119.83 0.869 1.8364

(e) É lucrativo para as empresas produzirem quando o preço excede o custo médio. Assim,
será lucrativo produzir pelo menos algum produto, tendo em vista que o preço excede o
valor mínimo de AC. O custo médio é mínimo quando AC = MC. Assim, nós precisamos
encontrar esse ponto onde AC = MC. Nós temos
2 2
MC = 2 + 23xt + 34 xt AC = 1/xt + 2 + 3xt + 4 xt
Igualando essas duas equações, temos 2 4 x t3   3 x t2   1  0 . Substituindo os parâmetros
desconhecidos por suas estimativas, nós temos
2
2.2862 x t  11.029 xt  134.66 = 0
3
 11

Capítulo 7 Soluções dos Exercícios

A solução para essa equação dá o nível de produção onde AC é mínimo. Fazendo por
tentativas e erros, nós encontramos que a solução é xt = 6.305.
O custo médio correspondente para essa produção é 55. Assim, é lucrativo para as firmas
produzir, tendo em vista que o preço de produção é maior do que 55. Também, não é
eficiente para a firma produzir menos do que 6.305 unidades de produto. Se o preço for
menor do que 55, a produção ótima é zero. Se o preço for maior do que 55, a produção
ótima será onde o preço se iguala ao MC (admitindo que existe uma concorrência perfeita
na indústria de vestuário), e esta será uma produção maior do que 6.305. Assim, todas as
firmas que estão produzindo menos do que 6.305 não estão maximizando os lucros.
Existem 17 firmas nessa situação.
(f) A função de custo médio estimada por mínimos quadrados e os correspondentes erros
padrão são

ACt  94.231 (1 xt )  88.304  17.347 xt  15285
. xt2
(36.280) (29.996) (7.1297) (0.4940)
O erro padrão de b1 é menor do que aquele obtido utilizando a função de custo total, mas
aqueles para b3 e b4 são maiores. Para um conjunto de estimativas ser melhor, temos que
olhar as propriedades do termo de erro. Se dermos uma rápida olhada nos erros padrão,
podemos concluir que as estimativas da função de custo total produzem as melhores
estimativas. Contudo, se et depende de xt , então os mínimos quadrados não são mais
apropriados. Os estimadores mais apropriados dependerão da natureza da dependência de
et sobre xt. Por exemplo, se a dependência é tal que ut = et/xt não depende de xt , então o
procedimento de mínimos quadrados aplicado à função de custo médio será o método
apropriado. Outras formas de dependência exigirão outros estimadores. O problema geral
da dependência do termo de erro sobre xt é chamado de heterocedasticidade e é discutido
mais à frente no Capítulo 11.

7.11 O modelo estatístico para a função de produção agregada é

Yt  Kt 2 Lt 3 Et 4 M t 5 exp et 
(a) Os coeficientes estimados podem ser obtidos tomando os logs dessa função e utilizando o
método de mínimos quadrados. Os resultados são apresentados na tabela abaixo.

Coeficiente Erro
Estimado Padrão

2 0.05607 0.25927
3 0.22631 0.44269
4 0.04358 0.38989
5 0.66962 0.36106

(b) Os coeficientes estimados mostram a variação proporcional na produção resultante das

variações proporcionais em K, L, E e M. Todos esses coeficientes estimados têm sinais
positivos, e estão entre zero e um, como é requerido para que a maximização de lucros seja
factível. Além do mais, a soma deles é aproximadamente igual a um, indicando que a
função de produção tem retornos constantes de escala. Contudo, de um ponto de vista
 12

Capítulo 7 Soluções dos Exercícios

estatístico, todos os coeficientes estimados não são significativamente diferentes de zero; os

grandes erros padrão sugerem que as estimativas não são confiáveis.