EAE 5723 - Econometria I

Lista de Exercı́cios 4

Prof. Ricardo Avelino

Monitor: Ahmad Mourad

Entrega: 04/05/2018

1. Considere que um indivı́duo representativo da economia vive por dois perı́odos. Em cada um dos
perı́odos, ele consome um bem de consumo c que lhe dá utilidade através de uma função u : R++ → R
diferenciável, crescente e côncava. Além disso, o indivı́duo recebe uma renda w exógena em cada perı́odo
e poupa recursos através de um ativo q. Então, o problema do indivı́duo é dado por:

Max Et [u(ct ) + βu(ct+1 )]

ct ,ct+1 ,qt

s.t. ct + qPt = wt

ct+1 = wt+1 + qPt+1

em que Pt e Pt+1 é o preço do ativo q nos perı́odos t e t + 1, respectivamente, e β é a taxa de desconto

Pt+1
intertemporal. Defina 1 + rt+1 ≡ Pt .

a. Resolva o problema do indivı́duo. Sua resposta deve conter um termo expectacional, já que o problema
é resolvido em t para variáveis que se realizarão em t + 1.
c1−γ
b. A partir de sua resposta no item a., considere uma função utilidade do tipo CRRA, i.e., u(ct ) = 1−γ .

Proponha um conjunto de equações de momento para estimar os parâmetros γ e β por GMM.

c. Descreva em detalhes seu procedimento para estimar (γ β)0 e a matriz de variância assintótica do
estimador por GMM.

2. Considere o seguinte modelo linear:

yi = x0i β + εi , i = 1, . . . , n

em que xi e β são vetores k × 1 e E(xi εi ) 6= 0. Apesar disso, existe um vetor zi de dimensão m × 1, com
m > k, tal que E(zi εi ) = 0. Utilizando essas informações, responda:

1
a. Estime β por GMM, utilizando uma matriz de pesos W genérica.
b. Utilizando sua resposta no item anterior, para qual matriz W o estimador de GMM colapsa para o
estimador de 2SLS?
c. Para qual matriz W a variância de seu estimador obtido no item a. é minimizada? Para responder,
considere os casos em que V ar(EE 0 ) = σ 2 I ou V ar(EE 0 ) = Ω, com Ω = diag(b
ε21 , εb22 , . . . , εb2n ).

3. Considere o seguinte modelo linear:

yi = x0i β + εi , i = 1, . . . , n

E(zi εi ) = 0 (1)

R0 β = 0 (2)

com xi um vetor k × 1 e zi um vetor de instrumentos m × 1, com m > k. A matriz R tem dimensão k × q,

com 1 ≤ q < k. Assuma, por simplicidade, que a matriz de pesos ótima de GMM W = (E(zi zi0 ε2i ))−1 é
conhecida.
a. Derive o estimador de GMM eficiente de β, β̃, dadas as condições de momento (1) e a restrição (2).
√  
b. Encontre a distribuição assintótica de n β̃ − β assumindo (1) e (2).

4. O seu modelo econômico diz que:

yi = βxi + εi

com yi e xi escalares. Assuma que E(εi ) = 0 e E(xi εi ) = 0. Você observa uma amostra aleatória de dois
indivı́duos, y = (−1, 1)0 e x = (0, 2)0 .
a. Estime β por GMM eficiente.
b. Construa um intervalo de 95% de confiança para β. Você está autorizado(a) a utilizar resultados
assintóticos de estimadores de GMM, sem se preocupar com o fato de que a amostra possui apenas 2
observações.

5. A calibração de modelos econômicos frequentemente adota o seguinte procedimento: o modelo é

ajustado com base num conjunto de condições de ortogonalidade, digamos

Ef 1 (xt , β0 ) = 0 (3)

em que f 1 possui exatamente k coordenadas e a dimensão do vetor de parâmetros β0 é k. Para testar

o modelo, utiliza-se um segundo conjunto de condições de ortogonalidade:

2
 Ef 2 (xt , β0 ) = 0 (4)

a. Mostre como colocar esse procedimento de estimação/teste dentro do instrumental do método genera-
lizado dos momentos. Qual é a matriz de seleção implı́cita utilizada para estimar o vetor de parâmetros
desconhecidos β0 de (1) escrevendo as condições de ortogonalidade conjuntamente como

Ef (xt , β0 ) = 0

para  
f1
f = ?
f2

b. O estimador de β0 resultante necessariamente será assintoticamente eficiente dentro da classe dos

estimadores do método generalizado dos momentos? Explique.
c. Como você testaria a validade de (4) levando em consideração o fato de que β0 é estimado? Qual a
distribuição limite da estatı́stica do teste proposta?

6. Considere a seguinte função de demanda:

qt = α + φpt + γyt + ζpt rt + ϕrt + εt , θ = (α φ γ ζ ϕ)0

em que qt denota a quantidade do bem e pt seu preço. A variável yt pode ser pensada, por exemplo, como
uma variável exógena como a renda. rt pode ser interpretado como o preço de um bem substituto. θ é
um vetor de parâmetros desconhecido e εt um termo econométrico de erro.
Adicionalmente, considere a seguinte função de oferta:

λ
0
pt = − qt + κ + πqt + wt0 ρ + ηt , δ = λ κ π ρ0
φ + ζrt

em que δ é um vetor de parâmetros desconhecido, ηt é um termo econométrico de erro e wt engloba

variáveis exógenas do lado da oferta. O parâmetro λ, em particular, indexa o grau de poder de mercado.
λ = 0 corresponde à competição perfeita. λ = 1 corresponde a um cartel perfeito ou monopólio. Os
casos intermediários estão associados a graus diferentes de poder de mercado. No modelo de oligopólio
de Cournot, por exemplo, denotando por n o número de firmas no mercado, temos λ = 1/n.

a. Proponha um procedimento em dois estágios que produza uma estimativa consistente de λ.

b. Derive as condições de ortogonalidade do primeiro e do segundo estágios do item (a) e expresse-as

3
dentro do instrumental do método generalizado dos momentos.
c. Derive a distribuição assintótica do estimador proposto em (a) para λ.

Os exercı́cios a seguir podem ser feitos no R ou no Matlab. Em todo caso, anexe os

códigos (com comentários) utilizados para responder os exercı́cios.

7. Considere o seguinte exercı́cio de Monte Carlo: produza 1000 amostras com n = 15 observações
sorteadas de uma variável aleatória xi , em que xi ∼ N (10, 2).
a. Estime a média µ e a variância σ 2 com cada uma das 1000 amostras criadas utilizando o estimador
de GMM eficiente. Dica: se você precisar de alguma condição de momento que não conheça, recorra à
função geradora de momentos da distribuição normal.
b. Faça um histograma com as 1000 estimativas obtidas para µ e σ 2 no item anterior.
c. Agora, repita os itens a. e b. utilizando n = 30, 50, 100, 200. Qual é a conclusão?

8. Suponha o modelo yi = θ0 + xθi 0 + εi .

a. Gere uma amostra de n = 10, assumindo que θ0 = 0.5, xi ∼ U nif [2, 5] e que 50% das observações
de εi vêm de uma distribuição N (−2, 1) e os outros 50% vêm de uma distribuição N (2, 1). Estime
θ0 por GMM eficiente, utilizando os momentos E(εi ) = 0 e E(xi εi ) = 0. Repita as estimações para
n = 30, 50, 100, 300, 500.
b. Utilizando a amostra de n = 500, teste as seguintes hipóteses:
(i) H0 : θ0 = 0.75.
(ii) H0 : exp(θ0 ) = 1.5.
Obs: não se preocupe se o valor estimado de θ0 estiver “longe” do valor verdadeiro. Considere que
continuam válidos os resultados assintóticos do estimador de GMM vistos em aula.