Gabarito da Lista de Exercícios de Econometria I

Professor: Rogério Silva Mattos

Monitor: Leonardo Henrique A. Silva

Questão 1

y x ŷ 2
Y X xy 2
x ŷ ̂ ̂ 2 y 2
(Y - Y ) (X - X ) ( Ŷ - Y )2
360 100 -176 -200 35.200 40.000 362 -2 4 30.976 30276
440 200 -96 -100 9.600 10.000 449 -9 81 9.216 7569
550 300 14 0 0 0 536 14 196 196 0
630 400 94 100 9.400 10.000 623 7 49 8.836 7569
700 500 164 200 32.800 40.000 710 -10 100 26.896 30276
 2680 1500 0 0 87.000 100.000 2.680 0 430 76.120 75690

Y = 536
X = 300

a)

b̂ 
x y
i i

87 .000
 0,87
x 2
i 100 .000

â  Y  b̂ X

â  536  0,87 300  275

b)
Ŷ  â  b̂X
 i  Yi  Ŷi

R 2


 Yi  Y  2

1 
 ˆ i
2
1 
430
 0,994
 Y Y   
2 2
 Yi  Y 76 .120
i

Com isso, pode-se afirmar que 99,4% da variação na venda de veículos é explicada
pela variação na massa salarial.

1
c)
 ˆ i
2
430
S  2
  143 ,33
N 2 3

S2 143 ,33
S b̂2    0,00143

 Xi  X 
2
100 .000

S b̂2  S b̂  0 ,038

1 X
2 
S â2   S2
N  X  X
 i  
2



 1 9.000 
S â2     143 ,33  157 ,66667
 5 100 .000 

S â2  S â  12 ,557

b̂L  b̂  T  / 2; N  2 S b̂
b̂L  0,87  T 0,025 ; 3 S b̂
b̂L  0,87  3,182 0,038 
b̂L  0,749

b̂H  b̂  T  / 2; N  2 S b̂
b̂H  0,87  T 0,025 ; 3 S b̂
b̂H  0,87  3,182 0,038 
b̂H  0,991

2
 Com isso, conclui-se que, ao nível de confiança de 95%, o parâmetro b verdadeiro
está entre 0,749 e 0,991.

â L  â  T  / 2; N  2  S â
â L  275  T 0 ,025 ; 3 S â
â L  275  3,182 12 ,557 
â L  235 ,044

â H  â  T  / 2; N  2  S â
â H  275  T 0,025 ; 3 S â
â H  275  3,182 12 ,557 
â H  314 ,956

Com isso, conclui-se que, ao nível de confiança de 95%, o parâmetro a verdadeiro está
entre 235,044 e 314,956.

d)
d.1)
1º) Definir teste de hipóteses:
H0: b = 0
H1: b  0

2º) Definir :
 = 0,05

3º) Definir estatística T crítica:

T (0,025;3) =  3,182

4º) Calcular Tb̂ :

b̂  b 0 0,87  0
Tb̂    22,895
S b̂ 0,038

5º) Regra de decisão:

Tb̂ TC  aceita H0
Tb̂ > TC  rejeita H0

3
 Como 22,895 > 3,182, rejeita-se H0, ou seja, ao nível de 5% de significância, a
variação na massa salarial é significativa para explicar a variação na venda de carros.

d.2)
1º) Definir teste de hipóteses:
H0: a = 0
H1: a  0

2º) Definir :
 = 0,05

3º) Definir estatística T crítica:

T (0,025;3) =  3,182

4º) Calcular Tâ :

â 275
Tâ    21,9
Sâ 12,557

5º) Regra de decisão:

Tâ  TC  aceita H0
Tâ > TC  rejeita H0

Como 21,9 > 3,182, rejeita-se H0, ou seja, ao nível de significância de 5%, existe
um componente autônomo a que influi na venda de veículos.

d.3)
1º) Definir teste de hipóteses:
H0: R2 = 0
H1: R2 > 0

2º) Definir :
 = 0,05

3º) Definir F crítico:

F (1; N-2) = (1; 3) = 10,1

4º) Calcular estatística F:

 ŷ
2
75690
F 2   528 ,08
S 143 ,33

4
 5º) Regra de decisão:
F  FC  aceita H0
F > FC  rejeita H0

Como 528,08 > 10,1, rejeita-se H0, ou seja, ao nível de confiança de 5%, o
coeficiente de ajuste R2 é significativo.

e)
ŷ  275  0,87 350 
ŷ  579 ,50

O valor esperado na venda de carros seria de US$ 579,5 milhões.

Questão 2

â  estimador ou estimativa de a, onde a é o verdadeiro intercepto populacional

b̂  estimador ou estimativa de b, onde b é o verdadeiro coeficiente angular

populacional
t â  estatística t calculada para testar a hipótese H0: a = 0 , H1: a  0, ou para

verificar se a é significativo estatisticamente.

t b̂  estatística t calculada para testar a hipótese H0: b = 0 , H1: b  0, ou para

verificar se b é significativo estatisticamente.

s2  estimador da variância constante do erro .
R2  grau de ajustamento da reta de regressão aos pontos ou dados observados.
F (1 ; N-2)  estatística utilizada para verificar se o grau de ajustamento R 2 da
população pode ser considerado estatisticamente significativo.

Questão 3

i. Y é uma função linear dos parâmetros a e b:

ii. Não estocásticos
iii. Os Xis são:
a. Valor médio dos erros igual a zero
b. Não correlação entre os erros
c. Normalidade dos erros

5
 Para a validade do teorema de Gauss-Markov, não é necessário o pressuposto iii) c.

Questão 4

“A análise de regressão ocupa-se do estudo da dependência de uma variável, a

variável dependente, em relação a uma ou mais variáveis, as variáveis explicativas, com o
objetivo de estimar e/ou prever a média (da população) ou o valor médio da dependente em
termos dos valores conhecidos ou fixos (em amostragem repetida) das explicativas”
(Gujarati, pág. 4)

Questão 5

Cômputo de x 2
i

x
Ŷ X x2
(X - X )
8,5 10 -30 900
15,8 20 -20 400
23,1 30 -10 100
30,4 40 0 0
37,7 50 10 100
45,0 60 20 400
52,3 70 30 900
 212,8 280 0 2.800

Y = 30,4
X = 40

 / 2 = 0,025
T ( / 2; N-2) = T (0,025 ; 5) =  2,571

 ˆ i
2

Cômputo de S 2  i 1
 2,5
N 2

6
Previsões Pontuais

x
o Ŷ X x2
(X - X )
1 4,85 5 -35 1225
2 26,75 35 -5 25
3 55,95 75 35 1225

X=5
 1 1225   ŷ1L  4,85  2,571 1,98    0,24
S ŷ  2,5 1     1,98 
 ŷ1H  4,85  2,571 1,98   9,94
1  7 2.800 

X = 35
 1 25   ŷ 2 L  26 ,75  2,571 1,69   22 ,40
S ŷ  2,5 1     1,69 
 ŷ 2 H  26 ,75  2,571 1,69   31,09
2  7 2.800 
X = 75
 1 1225   ŷ 3 L  55 ,95  2,571 1,98   50 ,86
S ŷ  2,5 1     1,98 
 ŷ 3 H  55 ,95  2,571 1,98   61,04
3  7 2.800 

A análise dos intervalos deve ser feita da seguinte maneira: Intervalo 1 : O intervalo
compreendido entre – 0,24 e 9,94 apresenta 95% de confiança de que o verdadeiro valor
Y0 estará contido nele.

Questão 6

a)
 Análise de sinal dos coeficientes:
Verifica-se que o modelo apresenta consonância com a racionalidade da
teoria econômica, pois é de se esperar que um aumento nos preços impacte negativamente a
venda de bananas enquanto um aumento na renda impacte positivamente.
 Grau de ajustamento R2
No que se refere ao grau de ajustamento, percebe-se que está bom, pois 79%
da variação nas vendas de banana pode ser explicada pela relação de regressão.
 Estatísticas de teste (T e F)

7
Análise das estatísticas t (considerando  = 5%)

Para o modelo sob análise, TC (2,5% , 8) = 2,306. Comparando as estatísticas t do

modelo com o TC podemos afirmar que todos os coeficientes são significativos ao nível de
confiança determinado.

Análise da estatística F
A estatística F nos indica que o valor de R2 é consistente ao nível de significância
utilizado, pois FC (2 ; 8) = 4,46 e F do modelo = 25,2.
Testando: H0: R2 = 0
H1: R2 > 0

Como F > FC , então se rejeita a hipótese de que o grau de ajustamento do modelo

seja igual a zero.

b)
B
 2
P
B   2P
ΔB   2ΔP
ΔB   2 0,7  1,4

As vendas de bananas aumentariam em 1.400 dúzias caso os preços fossem

reduzidos em R$ 0,70.

c)
B
4
Y
B  4Y
ΔB  4 ΔY
ΔB  4 0,5   2,0

As vendas de bananas reduziriam em 2.000 dúzias caso os compradores tivessem

uma redução de 0,5 S.M. em sua renda.
d)
B = 1,4 - 2,0 = -0,6

8
 Caso ambos os movimentos ocorressem, haveria redução na venda de bananas em
600 dúzias.

9
Questão 7
^ a b1 b2
D M t  2,34  0,95 . y  35,12 . r t
(1, 92) ( 3, 44) t ( 2, 54)

I- Verificar magnitude e sinais dos coeficientes

Pode-se afirmar que os coeficientes e seus respectivos sinais estão de acordo com a
teoria econômica, pois crescimento do PIB tende a provocar aumento da demanda por
moeda, enquanto aumento na taxa de juro real de curto prazo causam diminuição nesta
demanda.

II- Grau de ajustamento

Através da análise de R2 (grau de ajustamento), pode-se afirmar que 63% da

variação na demanda por moeda é explicada pela variação da renda e da taxa de juros,
sendo este um bom grau de ajustamento.

III- Análise das estatísticas T

Para a:

1º) Definir teste de hipóteses:

H0: a = 0
H1: a  0

2º) Definir :
 = 0,05

3º) Definir estatística T crítica:

T (0,025;57) =  2,00

10
 4º) Tâ = 1,92

5º) Regra de decisão:

Tâ  TC  aceita H0

Tâ > TC  rejeita H0

Como 1,92 < 2,00, aceita-se H0, ou seja, a reta estimada pode cruzar a origem, a um
nível de significância de 5%.

Para b1:

1º) Definir teste de hipóteses:

H0: b1 = 0
H1: b1  0

2º) Definir :
 = 0,05
3º) Definir estatística T crítica:
T (0,025;57) =  2,00

4º) Tb1 = 3,44

5º) Regra de decisão:

Tb1  TC  aceita H0

Tb1 > TC  rejeita H0

Como 3,44 > 2,00, rejeita-se H0, ou seja, rejeita-se a hipótese de b1 ser igual a zero,
a 5% de significância. Dessa forma, pode-se afirmar que a variação do nível de renda Y
pode ser utilizado para explicar a variação da demanda por moeda.

11
 Para b2:

1º) Definir teste de hipóteses:

H0: b2 = 0
H1: b2  0

2º) Definir :
 = 0,05

3º) Definir estatística T crítica:

T (0,025;57) =  2,00

4º) Tb 2 = - 2,54

5º) Regra de decisão:

Tb 2  TC  aceita H0

Tb 2 > TC  rejeita H0

Como –2,54 < - 2,00, rejeita-se H0, ou seja, rejeita-se a hipótese de que b2 possa ser
igual a zero a um nível de significância de 5%. Desta forma, pode-se afirmar que a variação
da taxa de juros pode ser utilizada para explicar a variação da demanda da por moeda.

IV- Estatística F

A estatística F nos indica que o valor de R 2 é consistente ao nível de significância

utilizado, pois FC (2 ; 57) = 3,15 e F do modelo = 27,49.
Testando: H0: R2 = 0
H1: R2 > 0

12
 Como F > FC , então se rejeita a hipótese de que o grau de ajustamento do modelo
seja igual a zero.

13