Você está na página 1de 2

IEUFU41041- ESTATÍSTICA ECONÔMICA E INTRODUÇÃO À ECONOMETRIA

PROVA 1 – 22/04/2019.
Questão 1 - Existe um trade off entre dormir e trabalhar? A sub amostra abaixo de n=3 dos dados de Biddle
e Hamermesh (1990) pode ser usada para estudar se o tempo que se passa trabalhando afeta o tempo de
descanso:
indivíduo dormir trabalho ln(dormir) ln(trabalho)
1 3113 3438 8,04 8,14
2 2020 5020 7,61 8,52
3 3170 2815 8,06 7,94
Em que a variável “dormir” mede os minutos que se gasta dormindo por semana, “trabalho” os minutos de
trabalho por semana, e as variáveis ln(dormir) e ln(trabalho) trazem os logaritmos naturais das primeiras,
respectivamente.
a. Escreva a equação de um modelo populacional em que um minuto a mais de trabalho por semana tenha
um impacto constante no tempo em minutos que se gasta dormindo por semana (modelo 1).
Modelo 1: 𝑑𝑜𝑟𝑚𝑖𝑟 = 𝛽0 + 𝛽1 𝑡𝑟𝑎𝑏𝑎𝑙ℎ𝑜 + 𝑢
b. Estime o modelo 1 por MQO, escreva a equação estimada e desenhe seu gráfico.
cov(x,y)= - 716.731,17
var(x)= 1.292.146,33

b0= 4.851,98
b1= -0,555
̂ = 4.851,98 − 0,555𝑡𝑟𝑎𝑏𝑎𝑙ℎ𝑜
Equação estimada: 𝑑𝑜𝑟𝑚𝑖𝑟
Gráfico:
dormir

4.851,98
trabalho
c. Interprete os coeficientes de intercepto e inclinação estimados.
O intercepto estimado 𝛽̂0 nos diz que um indivíduo com zero minutos de trabalho na semana dorme em
média 4.851,98 minutos por semana (o que equivale a 11,55 horas por dia).
d. Reporte os valores ajustados do modelo 1 e os resíduos da regressão. Confira se a soma dos resíduos é
zero.
indivíduo dormir trabalho ajustados resíduos
1 3113 3438 2.944,980 168,020
2 2020 5020 2.067,472 - 47,472
3 3170 2815 3.290,548 - 120,548
média: 2767,67 3757,67 SOMA: 0,000
e. Neste modelo, a variável “trabalho” explica muito das variações observadas em “dormir”? Explique.
Para responder a esta questão, precisamos da soma de quadrados totais (SQTot) e da soma de
quadrados da regressão (SQReg) para calcular o R-quadrado:
indivíduo SQTot SQReg
1 119.255 31.440
2 559.005 490.272
3 161.872 273.404
SOMA: 840.133 795.117
R-quadrado: 0,946
Assim, as variações em trabalho explicam 94,6% das variações observadas em dormir (nesta amostra).
f. Agora, escreva a equação de um modelo populacional em que uma variação percentual no tempo que
se trabalha durante a semana tenha um impacto constante em termos percentuais no tempo que se
gasta dormindo (modelo 2).
Modelo 2: ln⁡(𝑑𝑜𝑟𝑚𝑖𝑟) = 𝛽0 + 𝛽1 ln⁡(𝑡𝑟𝑎𝑏𝑎𝑙ℎ𝑜) + 𝑢

g. Estime o modelo 2 por MQO e escreva a equação estimada.


cov(x,y)= -0,07
var(x)= 0,09

b0= 14,68
b1= -0,826 Equação estimada: ln⁡(𝑑𝑜𝑟𝑚𝑖𝑟)
̂ = 14,68 − 0,826⁡ln⁡(𝑡𝑟𝑎𝑏𝑎𝑙ℎ𝑜)
h. Neste modelo 2, qual a interpretação do coeficiente de inclinação estimado?
A interpretação de 𝛽̂1 é que para um incremento de 1% no tempo que se gasta trabalhando por
semana, o tempo gasto dormindo se reduz em média em 0,83%.
i. Se a variável “dormir” entrasse nas regressões medida em termos de horas por semana e não em
minutos por semana (isto é, se fosse divididas por 60), o que aconteceria com os coeficientes obtidos
por MQO do modelo 1? E com os coeficientes do modelo 2? Justifique suas respostas.
Neste caso, no modelo1 todos os coeficientes estimados seriam divididos também por 60, enquanto no
modelo 2 apenas o intercepto se alteraria.
j. Justifique se as condições necessárias para que MQO seja um estimador não viesado estão ou não
valendo no caso dos modelos aqui analisados.
Para que a MQO seja um estimador não viesado, é necessário que:
1) a relação populacional entre Y e X seja linear nos parâmetros;
2) se tenha uma amostra aleatória da população com informações sobre y e x;
3) a variável independente X precisa apresentar variação na amostra;
4) o termo de erro u do modelo deve ser independente de X.
Neste caso, claramente não temos uma amostra representativa da população (apenas 3 observações).
Contudo, supondo que as três primeiras hipóteses são válidas, o mais importante é pensar a validade da
hipótese 4. No erro do modelo existem outras variáveis que afetam o tempo de sono do indivíduo,
como a idade, anos de educação, condições de saúde entre outras. Se alguma das variáveis do erro (por
exemplo a idade) tiver relação com tempo de trabalho, então as estimativas por MQO estão viesadas.
Fórmulas:
𝛽̂0 = 𝑦̅ − 𝛽̂1 𝑥̅
∑ (𝑥 −𝑥̅ )(𝑦 −𝑦̅) 𝑐𝑜𝑣𝑎𝑟𝑖â𝑛𝑐𝑖𝑎 𝑎𝑚𝑜𝑠𝑡𝑟𝑎𝑙(𝑥,𝑦)
𝛽̂1 =∑𝑖(𝑥𝑖 −𝑥̅ )(𝑥𝑖 −𝑥̅ ) = 𝑣𝑎𝑟𝑖â𝑛𝑐𝑖𝑎 𝑎𝑚𝑜𝑠𝑡𝑟𝑎𝑙 (𝑥)
𝑖 𝑖 𝑖
̂0 + 𝛽
𝑣𝑎𝑙𝑜𝑟𝑒𝑠⁡𝑎𝑗𝑢𝑠𝑡𝑎𝑑𝑜𝑠:⁡𝑦̂𝑖 = 𝛽 ̂1 𝑥𝑖
̂0 + 𝛽
𝑟𝑒𝑠í𝑑𝑢𝑜𝑠:⁡𝑢̂𝑖 = 𝑦𝑖 − 𝑦̂𝑖 = 𝑦𝑖 − (𝛽 ̂1 𝑥𝑖 )

2
𝑆𝑄𝑅𝑒𝑔𝑟𝑒𝑠𝑠ã𝑜 ∑(𝑦̂𝑖 − 𝑦̅)2
𝑅 = = =
𝑆𝑄𝑇𝑜𝑡𝑎𝑖𝑠 ∑(𝑦𝑖 − 𝑦̅)2
𝑜𝑢
2
𝑆𝑄𝑅𝑒𝑠í𝑑𝑢𝑜𝑠 ∑(𝑢̂𝑖 )2
𝑅 =1− 1−
𝑆𝑄𝑇𝑜𝑡𝑎𝑖𝑠 ∑(𝑦𝑖 − 𝑦̅)2

Você também pode gostar