Escolar Documentos
Profissional Documentos
Cultura Documentos
Exercícios de Econometria – 1
Universidade Pedagógica
Quelimane
2019
2
3º Grupo
Acácio Domingos Fungulane Bonde
Adolfo Salvador Varrela de Barros
Eugénio Francisco Celso Negrinha
Jamal Freiria Jamal
Valige Pedro Valige Faria
Victor José Da Silva Saiba
Exercícios de Econometria – 1
Trabalho de carácter
avaliativo a ser apresentado
no departamento de FCNM,
na cadeira de Econometria
Básica, do 4º ano, lesionada
pelo docente:
Dr. Henriques Laquene Jr.
Universidade Pedagógica
Quelimane
2019
Introdução
3
O presente trabalho de exercício de aplicação, visa trazer mais habilidades e pratica na cadeira de
econometria básica, assim nos ajuda a saber a sua verdadeira aplicação na vida real.
Existe uma relação positiva, aparentemente parece ser forte, as nuvens de pontos estão quase
alinhados, pois se observa que quando as horas de uso aumentam os custos de manutenção
mensal aumentam, isto é os custos de manutenção mensal variam directamente com as horas de
uso.
Ord. Custo (Y) Horas de uso (X) X^2 Y^2 XY Ŷ (Y-Ŷ)^2 (Y-Ȳ)^2
1 1070 280 78400 1144900 299600 1060.47 90.8209 10455.06
2 910 267 71289 828100 242970 976.23 4386.413 68775.06
3 865 240 57600 748225 207600 801.27 4061.513 94402.56
4 1115 325 105625 1243225 362375 1352.07 56202.18 3277.563
5 1250 285 81225 1562500 356250 1092.87 24689.84 6045.063
6 1450 352 123904 2102500 510400 1527.03 5933.621 77145.06
7 918 265 70225 842724 243270 963.27 2049.373 64643.06
8 1800 364 132496 3240000 655200 1604.79 38106.94 394070.1
Total 9378 2378 720764 1171217 2877665 9378 135520.7 718813.5
4
Media 1172.25 297.25
√( 2
∑X −
i
( ∑ Xi)
n )( ∑Y 2
i −
(∑ Y i )
n
( 720764−
2378
8 )( 11712174−
9378
8 )
Como o coeficiente de correlação linear de Pearson esta no intervalo de 0,5 a 1, notamos que ela
é forte positiva, logo a conclusão na diverge de a).
5
r ∙ √ n−2
O nível de significância é de 5%, e como o n≤ 30 usamos o t (cal )=
√ 1−r 2
RNH0: {t ∈ R :t cal< t ( 0,25; 6)=−2,4469 ˅ t cal >t (0,25 ;6 )=2,4469 }
RH0 pois t (cal )>t (0,25 ;6 )=2,4469 , há evidências estatísticas suficientes para afirmar ao nível de
significância de 5% que há correlação linear significativa entre o custo e as horas de uso, e essa
relação é directa forte, isto mostra que o custo varia directamente com as horas de uso.
∑ ( Xi ) ∑ (Y i )
∑ X i Y i− n 90054,5
^β 1= = =6,48
2 13903,5
( ∑ X i)
(∑ 2
X−
i
n )
^β 0=Ý − ^β 1 X́ =1172,25−6,48∙ 297,25=−753,93
6
Y = ^β0 + β^ 1 X i +ε i
Y =−753,93+ 6,48 X i +ε i ou Custos=−753,93+6,48 (horas de uso)i+ ε i
^β 0=−753,93, significa que se as horas de uso forem constantes ou nulas, espera-se em media
^β 1=6,48, significa que a um aumento a mais das horas de uso, os custos em média aumentem
em 6,48 unidades.
Hipóteses:
Para ^β 0
Nível de significância de 5%
IC β0
95 %
[
: ^β 0 ± t
( α2 ; n−2 )
∙
√ ∑ ( Y −Y^ )
n−2
∙
√
1
n
+
2
∑X −
i
X́ 2
(∑ X i )
n
2
]
[ ]
2
135520.7 1 ( 297.25 )
¿ −753,93 ± 2,4469∙
6
∙ +
8 13903,5 √
=[ −753,93 ± 936,14 ]
√
IC β95 % : [−1690,07 ; 182,21 ]
0
Conclusão
Como β 0=0 , pertence ao IC, então significa que ^β 0 não é significativo no MRLS.
7
Para: β 1
Hipóteses:
IC β1
95 %
[
: ^β1 ± t α
( ;n−2)
2
∙
√ ∑ ( Y −Y^ )
n−2
∙
√
1
∑ X 2i −
2
(∑ X i )
n
] =[ 6,48± 2,4469 ∙1,27 ] =[ 6,48 ±3,11 ]
Conclusão
Como β 1=0, não pertence ao IC, então significa que ^β 1 é significativo no MRLS.
[ √ ]
2
[ ]
2
( X i − X́ ) 1 ( 400−297.25 )
IC Y^10
90 % = Y^ ± t
( α2 ; n−2)
Sβ i
1
1+ +
n
∑ Xi −2 (∑ X i )
2
= 2592± 1,9432∙
√ 135520.7
6 √
∙ 1+ +
8 13903,5
=[ 2592 ±1
n
Y^10
IC 90 %=[ 2191,11 ; 2992,89 ] Previsão pontual.
[ ]
2
( X i− X́ )
√ √
1 135520.7 1 ( 400−297.25 )
IC
Y 10
90 % =Y^ ± t
( α2 ;n −2)
Sβ i
n
+
2
∑ Xi −
( ∑ i)X
2
= 2592 ± 1,9432
√ 6
∙ +
8 13903,5
= [ 2592 ±1,9432 ∙2
Na previsão pontual para as horas de uso de 400 a amplitude é de 801,78 é de esperar que o custo
médio esperado fosse maior que amplitude, pois os valores das horas rondam entre 2100 a 3000
isto mostra que houve aumento, mas se tivéssemos abaixo desse valor a amplitude seria menor
que o valor médio esperado do custo.
Hipótese:
Tabela de ANOVA
RD : R H O se QMR>QME
Conclusão:
Como QMR>QME e R H O, concluímos assim que existe um efeito significativo sobre o custo,
ou por outra o modelo é significativo.
SQR 583292,8
R 2= = =0,81
SQT 718813.5
SQE 135520.7
R2a =1− =1− =0,81
SQT 718813.5
A partir do R2 e R2a , podemos concluir que, a variabilidade explicada pelas horas de trabalho
sobre os custos de manutenção mensal é de 81%, concluindo desta que os 19% é explicado pelo
erro.
Gráfico de dispersão
45
40
35
30
25
Consumo
20
15
10
5
0
5 10 15 20 25 30 35 40 45 50 55
Rendimento
Observando para o gráfico de dispersão, notamos que existe uma relação forte positiva mas
não perfeita, porque as nuvens de pontos tendem a estar alinhadas.
Gráfico de dispersão
45
40
35
30
Consumo
25
20
15
10
5
0
5 10 15 20 25 30 35 40 45 50 55
Rendimento
Como havíamos referido na alínea a), notamos agora pela presença da recta que existe uma
relação forte positiva, visto que nem todos os pontos estão alinhados a recta.
Estatística de regressão
R múltiplo 0.970131777
Quadrado de R 0.941155664
Quadrado de R ajustado 0.937886534
Erro-padrão 2.372747741
11
Observações 20
∑ ( Xi )∑ (Y i )
∑ X i Y i− n
r xy = =0.970131777 ; desta podemos ainda concluir que
2 2
√(∑ X 2i −
( ∑ Xi)
n )(∑ Y 2i −
(∑ Y i )
n )
existe uma relação forte positiva entre o consumo e o rendimento das famílias.
Hipótese:
gl SQ MQ F F de significância
Regressã 1 1620.81123 1620.811227
o 287.8918025 1.61227E-12
Residual 18 101.338773 5.629931844
Total 19 1722.15
12
RD : R H O se QMR>QME
Conclusão:
^
β 0=1,342267554 : Estima-se que uma família cujo rendimento anual fosse constrante ou nulo
teria um consumo médio anual de 1342,27 u.m.
^
β 1=0,714312698 : Se o rendimento de uma família variar de 1000 u.m, estima-se que o seu
consumo varie, no mesmo sentido em 714,312698 u.m.
IC sobre os parâmetros
Hipóteses:
Para ^β 0
Nível de significância de 5%
IC β0
95 %
[
: ^β 0 ± t
( α2 ; n−2 )
∙
√ ∑ ( Y −Y^ )
n−2
√
∙
1
n
+
X́ 2
∑ X 2i −
2
(∑ X i )
n
] =[ −0.888722096 ; 3.573257205 ]
13
Como β 0=0 , pertence ao IC, então significa que ^β 0 não é significativo no MRLS.
Para: β 1
Hipóteses:
IC β1
95 %
[
: ^β1 ± t α
( ;n−2)
2
∙
√ ∑ ( Y −Y^ )
n−2
∙
√
1
∑ X 2i −
(∑ X i )
n
2
] =[ 0.625865585; 0.80275981 ]
Como β 1=0, não pertence ao IC, então significa que ^β 1 é significativo no MRLS.
Y =1.342267554 +0.714312698 X i +ε i
Gráfico de Normalidade
30
20
10
0
0 20 40 60 80 100 120
Rendimento
14
Gráfico da Homocedasticidade
0
-2 5 10 15 20 25 30 35 40 45 50 55
-4
-6
-8
Rendimento
Logo a partir do gráfico dos resíduos, notamos que não são homogéneos, e há existência de
valores atípicos.
Gráfico de valores atípicos (Outlaers)
45
40
35
30
25 CONSUMO (Y)
Media
20
LI
15 LS
10
0
1 2 3 4 5 6 7 8 9 10 1112131415 1617 18 19 20
-5
Olhando para o gráfico, notamos que existem valores do consumo que andam em torno da
média, mas há um dado que esta fora dos limites, logo, nota que este é um atípico.
Descritivos
15
Média de Y 16.95
9.52047
Desvio padrão de Y 7
Mínimo 7.5
Quartil 1 9.825
Mediana 14
Quartil 3 22.025
Intervalo IQ 12.2
Limite inferior -1.35
Limite Superior 35.25
Aqui notamos que dado 38,6 é um atípico severo, porque esta acima do limite superior e esta a
três desvios acima do quartil 3.
Conclusão
Contudo, o grupo chegou as conclusões que o pacote Excel pode nos ajudar bastante na
interpretação dos dados em particular (MRLS), nos facilita bastante com os gráficos de
normalidade entre outros gráficos, porem é muito trabalhoso.