UNIVERSIDADE ESTADUAL DE MARINGÁ

CENTRO DE CIÊNCIAS SOCIAS APLICADAS

DEPARTAMENTO DE ECONOMIA
DISCIPLINA: INTRODUÇÃO À ECONOMETRIA

1ª LISTA DE EXERCICIOS
1) a) Calcule a covariância e o coeficiente de correlação para a amostra de valores de
Xi e Yi apresentada na Tabela abaixo. b) Explique a diferença entre essas duas
medidas. c) Quando se obtém do cálculo da covariância um valor igual a zero pode-
se dizer que não há relação entre as variáveis? Justifique sua resposta. D) refaça os
cálculos considerando os valores de X e Y multiplicados por 100. O que ocorre com
os cálculos da covariância e do coeficiente de correlação ?

X Y
2 18
4 12
5 10
6 8
8 7
11 5

2) Na Tabela abaixo são apresentados os valores de Y, X1 e X2:

Y X1 X2
0 1 1
1 0 1
1 1 4
1 2 5
1 3 4

Admite-se que essas variáveis estejam relacionadas de acordo com o modelo

Yj=ß1+ß2X1j+ß3X2j+uj, onde os uj são erros independentes, com distribuição normal de
média zero e variância σ 2 {ut ~ N (0, σ 2 )}.
a) Quais são os elementos de y, X, β e u quando o modelo é descrito na forma
de matrizes y = Xβ + e?
^ ^ ^
b) Determine as estimativas dos parâmetros (
β 2,
β 3 e
β 3), utilizando o

método dos mínimos quadrados ordinários (MQO), através de matrizes.

^
c) Com base no modelo estimado obtenha o valor de para: X1=1 e X2=2.
Y
d) Obtenha o vetor de resíduos.
e) Calcule a covariância e a correlação e interprete os resultados

3) Com base na amostra de dados obtida para as variáveis Y, X1 e X2 contida na Tabela

abaixo, admitindo que essas variáveis estejam relacionadas de acordo com o modelo
Yj = ß1 + ß2X1j + ß3X2j + ej, onde os ej são variáveis aleatórias independentes,
homecedásticas, com média zero e distribuição normal, pede-se:

X1 X2 Y
0 0 -1
0 2 3
0 4 5
0 6 5
2 0 4
 2 2 10
2 4 12
2 6 10

a) determinar as estimativas dos parâmetros de regressão linear múltipla de Y em

relação a X1 , X2 e a constante,
b) calcular e interpretar a variância residual,
c) estimar a matriz de variância e covariância,
^ ^ ^
d) obter os erros padrões (desvios padrões) de
β β 1, 2e
β 3.

^ ^
e) calcular a estatística t e testar a significância dos parâmetros estimados,
β 2e
β 3, ao

nível de 5%,
^ ^
f) calcular os intervalos de confiança fechados para os parâmetros estimados,
β 2e
β
3, para um nível de 95%,
g) analisar os resultados obtidos.

4) Quais são os pressupostos do modelo de regressão .

5) São dados os seguintes valores, obtidos de uma amostra aleatória com 10

observações:

Y X1 X2 X3
-1 -1 0 5
-1 0 0 7
-1 1 0 3
1 -1 0 7
1 0 0 9
1 1 0 5
0 0 -1 3
0 0 0 8
0 0 1 7
1 1 0 6

Admite-se que as variáveis estão relacionadas de acordo com o modelo, Yt = α +

ß1X1t + ß2X1t + ß3X2t + ut onde os uj são erros independentes, com distribuição normal de
média zero e variância σ 2 {ut ~ N (0, σ 2 )}.
a) Determine as estimativas dos parâmetros.
^ ^
b) Teste a hipótese H0 :
β 2 = 0 contra HA:
β 2 ≠ 0, ao nível de significância de 1%.

^ ^
c) Teste a hipótese H0 :
β 3 = 0 contra HA:
β 3 > 0, ao nível de significância de 5%.

d) Determine a estimativa de Yt para: X1 = 0, X2 = 1 e X3 = 1 e o respectivo

intervalo de 95% de confiança.
e) Elabore o quadro de análise da variância.
f) Calcule e interprete o coeficiente de determinação (R2).
g) Cálculo da estatística F e teste do efeito conjunto das variáveis independentes.

6) O que mostra a matriz de variância e covariância dos estimadores? Para que é

utilizada?
7) Como se obtém os pontos extremos do intervalo de confiança para um parâmetro
estimado βK . Qual a importância da magnitude da variância dos parâmetros na
definição desses pontos?
8) Como se obtém os pontos extremos do intervalo de confiança para a previsão média
Y0 ? E para a previsão individual?
9) Construa a tabela de análise de variância descrevendo como se obtém cada um de
seus elementos. O que ela representa? Para que é utilizada?
10) O que mostra o coeficiente de determinação R2 e em que ele difere do R2 ajustado?
11) Quando se utiliza um teste t unilateral? E o bilateral?
12) Demonstre como se chega a fórmula, β = (X’X)-1 X’y, utilizada para a estimativa
dos parâmetros, através dos mínimos quadrados ordinário(MQO).
13) Dado um modelo de regressão linear múltipla representado em notação matricial
y=X β+ e, construa as matrizes que representam esse modelo, considerando 2
variáveis independentes X1 e X2 e 8 observações. No modelo em questão a constante
deverá ser estimada.

14) Considerando o caso da rede de lanchonetes, apresentado em Hill (2003), agora com
50 observações pede-se.
a) Estime a função (utilizando o excel) de receita total
RT = β1 + β2 Preço + β3 Propaganda + u
b) Interprete todos os resultados da saída (testes t e F, R2, intervalos) .
c) Interprete economicamente os parâmetros que foram significativos. Quem tem
mais impacto na receita total o preço ou a propaganda. (dúvidas ver Hill (2003,
cap.7)
d) Construa intervalo de previsão média e individual para RT quando o preço for
igual a $3 e gasto com propaganda igual a 17.000.
e) Em relação ao exercício feito em sala de aula com uma série menor o que
mudou? O modelo melhorou com a introdução de mais observações?
Receita total Receita total
(RT) Preço Propaganda (RT) Preço Propaganda
(p) $
$1.000 $ $1.000 $ 1,00 $1.000
123,10 1,92 12,40 124,20 2,12 8,80
124,30 2,15 9,90 98,40 2,13 3,20
89,30 1,67 2,40 114,80 1,89 5,40
141,30 1,68 13,80 142,50 1,50 17,30
112,80 1,75 3,50 122,60 1,93 11,20
108,10 1,55 1,80 127,70 2,27 11,20
143,90 1,54 17,80 113,00 1,66 7,90
124,20 2,10 9,80 144,20 1,73 17,00
110,10 2,44 8,30 109,20 1,59 3,30
111,70 2,47 9,80 106,80 2,29 7,10
123,80 1,86 12,60 145,00 1,86 15,30
123,50 1,93 11,50 124,00 1,91 12,70
110,20 2,47 7,40 106,70 2,34 6,10
100,90 2,11 6,10 153,20 2,13 19,60
123,30 2,10 9,50 120,10 2,05 6,30
115,70 1,73 8,80 119,30 1,89 9,00
116,60 1,86 4,90 150,60 2,12 18,70
153,50 2,19 18,80 92,20 1,87 2,20
149,20 1,90 18,90 130,50 2,09 16,00
89,00 1,67 2,30 112,50 1,76 4,50
132,60 2,43 14,10 111,80 1,77 4,30
 97,50 2,13 2,90 120,10 1,94 9,30
106,10 2,33 5,90 107,40 2,37 8,30
115,30 1,75 7,60 128,60 2,10 15,40
98,50 2,05 5,30 124,60 2,29 9,20
135,10 2,35 16,80 127,20 2,36 10,20

15) Com base nos dados referentes a consumo e renda agregados de um país hipotético
descritos abaixo, pede-se:
a) estime uma função de demanda agregada linear. Interprete os resultados da saída
do excel observando, principalmente, as orientações abaixo.
i) O modelo em geral pode ser considerado bom? Por quê?
ii) Os testes t são significativos para os parâmetros? O que quer dizer um teste
significativo?
b) Interprete economicamente β0 e β1? (utilize seus conhecimentos de macro)

obs Renda consumo obs renda consumo

1 4.351.700 3.021.700 26 5.989.200 3.146.900
2 5.093.100 4.583.600 27 5.350.200 2.571.700
3 5.633.400 3.727.500 28 4.567.700 2.087.600
4 6.766.000 4.214.300 29 7.233.700 5.266.500
5 6.397.700 4.702.800 30 9.351.300 4.651.900
6 7.735.700 4.518.500 31 8.049.000 5.125.200
7 6.730.400 5.427.000 32 8.007.000 5.336.900
8 5.954.800 4.700.400 33 7.723.500 5.334.300
9 5.184.900 3.395.500 34 7.673.100 4.700.300
10 4.847.900 2.583.000 35 7.881.300 3.645.100
11 2.157.000 921.800 36 11.220.700 6.492.800
12 2.734.100 2.494.700 37 14.032.700 8.594.900
13 3.003.100 1.833.100 38 13.790.000 7.782.000
14 4.835.900 4.288.100 39 13.231.700 7.599.900
15 5.948.300 2.763.700 40 14.942.300 9.357.500
16 4.369.800 2.570.000 41 13.511.500 7.740.000
17 5.268.600 3.106.200 42 13.281.300 6.839.700
18 6.149.600 4.997.200 43 12.391.500 7.817.700
19 11.046.700 6.865.500 44 14.380.400 8.470.300
20 9.993.700 5.422.900 45 12.808.600 8.250.400
21 8.986.200 5.849.800 46 12.452.400 6.221.700
22 9.371.600 5.119.700 47 12.215.800 7.535.600
23 8.803.600 6.753.800 48 11.574.400 5.628.300
24 12.408.900 7.314.900 49 11.627.500 7.279.400
25 9.412.900 5.566.100 50 13.987.100 7.084.000

Algumas respostas

1) -67 e -0,92
2b) β’ = [ 0,3913 -0,1739 0,2174]
2c) ^y = 0,65217
2d) u’= [ -0,4348 0,3913 -0,0870 -0,1304 0,2609 ]
3a) β’ = [ 0 3 1 ]
3b) 4
1,9 -0,5 -0,3 3c)
-0,5 0,5 0
-0,3 0 1
3d) ep = β1 = 1,378 β2= 0,707 β3= 0,316

3e) t= 4,24, significativo (tc=0,316)

t= 3,1622, significativo (tc=2,571)

3f) intervalo β2 1,182 a 4,818

intervalo β3 0,1870 a 1,8130
6a) β’ = [ 6 1 -1 2]
6b) β2 = 1,5 β3 = -1,3 β4 = 1,6
6d) ^Y = 7 +/- 3,73
6e) SQ regressão = 18 SQ resíduo = 18 SQ total = 36
6f) R2 = 05
6g) F calculado = 2
15)
Coeficientes
Interseção 104,79
preço -6,64
propaganda 2,98

16) Coeficientes
Interseção 14393,87
c 1,64