Tabela 1: Regressão Via MQO -> Salário = β0 + β1educ + u -> (q6c1)
Para a análise dos coeficientes, temos β0= -0,854786 e β1=0,520613. O sinal de β1 é
esperado, visto que por ser positivo, indica uma relação proporcionalmente positiva entre educação e salário, de forma que um aumento dos anos de educação – tudo o mais constante - indicariam um aumento no valor salarial que uma pessoa ganharia. Assim, dado os demais fatores constantes, um aumento de um ano na educação eleva o salário em 0,52061. O sinal de β0 é negativo, isso indica que essa variável não tem relevância para a análise econométrica, no sentido lógico da análise, pois não poderiam haver salários negativos dado a situação em que as outras variáveis fossem zero. Para a análise de R2 temos: R2=0,21879 e R2ajustado = 0,204847. Sabe-se que o cálculo de R2 indica o quanto as variáveis independentes explicam a variável dependente, sendo assim, o R2 nesse MQO indica que a variável educação explica 21,879% das variações no salário, sendo o restante a cargo de u. Sendo assim, a variável educação tem um poder de explicação baixo em relação à variável dependente. Com isso, há o cálculo de R2ajustado, que se ajusta pelos graus de liberdade do modelo, indicando que 20,4847% das variações do salário são explicadas pela variação na educação, esse cálculo corrobora com a ideia de que a variável educação é pouco explicativa para as variações no salário. Análise das hipóteses básicas via Regressão MQO A1: Linearidade Hipótese satisfeita. Este modelo é linear, ou seja, a relação entre a variável explicativa e a variável dependente é linear, vide: Salário = β0 + β1educ + u A2: Posto Completo Hipótese satisfeita. Conhecida como condição de identificação, nessa hipótese não é permitido relação linear exata entre as variáveis, sendo estas independentes. Nesse modelo há apenas uma variável explicativa, podendo rodar o modelo pois não há dependência entre as variáveis explicativas. A3: Exogeneidade das variáveis independentes Com o teste acima, não se pode afirmar que essa hipótese foi satisfeita no modelo, pois não há o cálculo da média condicional zero o qual implicaria que os erros são puramente aleatórios A4: Homocedasticidade e não-autocorrelação Com o teste acima, não se pode afirmar que essa hipótese foi satisfeita no modelo. Assim, não se pode afirmar que cada perturbação tem a mesma variância constante e finita, e que cada perturbação não está correlacionada com qualquer outra perturbação. A5: Geração Exógena dos dados Hipótese satisfeita. Assume-se que os dados utilizados neste modelo foram gerados de formas aleatória e opera fora das hipóteses do modelo. A6: Distribuição Normal Ela foi analisada na letra B quando se fala da assimetria na distribuição, mas para corroborar à análise, faz-se o cálculo de Jarque-Bera e analisa a distribuição dos erros, se a distribuição for num formato de sino, tem-se uma distribuição normal, nesse caso, pelo gráfico abaixo (indicado no workfile por q6c2), vemos que não é uma distribuição perfeitamente normal. I. Quais são os problemas encontrados nesta regressão? Como solucioná- los? Os problemas dessa equação referem-se ao sinal negativo de B0 e aos baixos valores de R2 e R2ajustado, ambos podem ser solucionados por um aumento no número de amostras (que atualmente não e favorável; n=100), e os últimos, por um aumento no número de variáveis relevantes, para que o MQO tenha variáveis com um maior poder explicativo sobre as variações do salário, e além disso, para que o modelo tenha mais robustez e significância estatística.