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.