Econometria I – FACE/UFG – prof. Sandro Monsueto – 2021/02 – Material de apoio.

Modelo 1: MQO, usando as observações 1991:01-2010:07 (T = 235)

Variável dependente: cheques

Coeficiente Erro Padrão razão-t p-valor

const −8,91225 5,24032 −1,7007 0,0903 *
inpc −0,208741 0,0554135 −3,7670 0,0002 ***
desemprego 0,492909 0,269695 1,8277 0,0689 *
cestabasica 0,0744734 0,0177657 4,1920 <0,0001 ***

Média var. dependente 11,20162 D.P. var. dependente 7,169201

Soma resíd. quadrados 7085,897 E.P. da regressão 5,538491
R-quadrado 0,410834 R-quadrado ajustado 0,403183
F(3, 231) 53,69328 P-valor(F) 2,28e-26
Log da verossimilhança −733,6880 Critério de Akaike 1475,376
Critério de Schwarz 1489,214 Critério Hannan-Quinn 1480,955
rô 0,961836 Durbin-Watson 0,077466
Coeficientes de correlação, usando todas as observações 1991:01 - 2010:07
5% valor crítico (bicaudal) = 0,1280 para n = 235

inpc desemprego cestabasica

1,0000 -0,4476 -0,7508 inpc
1,0000 0,2678 desemprego
1,0000 cestabasica
Fatores de Inflacionamento da Variância (VIF)
Valor mínimo possível = 1,0
Valores > 10,0 podem indicar um problema de colinearidade

inpc 2,696
FIV – FATOR DE INFLAÇÃO
desemprego 1,267
cestabasica 2,323 DA VARÂNCIA
VIF(j) = 1/(1 - R(j)^2), onde R(j) é o coeficiente de correlação múltipla
entre a variável j e a outra variável independente

Diagnósticos de colinearidade de Belsley-Kuh-Welsch:

--- proporções de variância ---

lambda cond const inpc desempre~ cestabas~
3,182 1,000 0,000 0,008 0,002 0,001
0,800 1,995 0,000 0,339 0,001 0,001
0,015 14,675 0,009 0,004 0,685 0,213
0,003 31,937 0,990 0,649 0,313 0,786

lambda = autovalores de X'X, maior para o menor CONDITIONAL NUMBER

cond = índice de condição
nota: as colunas de proporção da variância somam 1

1
Econometria I – FACE/UFG – prof. Sandro Monsueto – 2021/02 – Material de apoio.
Comparar o valor das razões t e Erro-Padrão com os obtidos no Modelo 1
Modelo 2: MQO, usando as observações 1991:01-2010:07 (T = 235)
Variável dependente: cheques

Coeficiente Erro Padrão razão-t p-valor

const -24,6806 3,24095 -7,6152 <0,00001 ***
desemprego 0,886519 0,255601 3,4684 0,00062 ***
cestabasica 0,123478 0,012438 9,9275 <0,00001 ***

Média var. dependente 11,20162 D.P. var. dependente 7,169201

Soma resíd. quadrados 7521,175 E.P. da regressão 5,693756
R-quadrado 0,374643 R-quadrado ajustado 0,369252
F(2, 232) 69,49391 P-valor(F) 2,24e-24
Log da verossimilhança -740,6929 Critério de Akaike 1487,386
Critério de Schwarz 1497,765 Critério Hannan-Quinn 1491,570
rô 0,962647 Durbin-Watson 0,075009
Fatores de Inflacionamento da Variância (VIF)
Valor mínimo possível = 1,0
Valores > 10,0 podem indicar um problema de colinearidade

desemprego 1,077
cestabasica 1,077

VIF(j) = 1/(1 - R(j)^2), onde R(j) é o coeficiente de correlação múltipla

entre a variável j e a outra variável independente

Diagnósticos de colinearidade de Belsley-Kuh-Welsch:

--- proporções de variância ---

lambda cond const desempre~ cestabas~
2,976 1,000 0,001 0,002 0,002
0,015 14,043 0,002 0,690 0,576
0,009 18,444 0,997 0,308 0,422

lambda = autovalores de X'X, maior para o menor

cond = índice de condição
nota: as colunas de proporção da variância somam 1

2
Econometria I – FACE/UFG – prof. Sandro Monsueto – 2021/02 – Material de apoio.

Modelo 3: MQO, usando as observações 1-5000

Variável dependente: l_rh

Coeficiente Erro Padrão razão-t p-valor

const −0,22628 0,112224 −2,0163 0,0438 **
genero 0,259538 0,0220467 11,7722 <0,0001 ***
sindicato 0,111165 0,0298147 3,7285 0,0002 ***
educacao 0,0914553 0,00267893 34,1388 <0,0001 ***
idade 0,0445206 0,00572169 7,7810 <0,0001 ***
sq_idade −0,000399144 7,17604e-05 −5,5622 <0,0001 ***

Média var. dependente 1,787378 D.P. var. dependente 0,837476

Soma resíd. quadrados 2772,630 E.P. da regressão 0,745112
R-quadrado 0,209204 R-quadrado ajustado 0,208412
F(5, 4994) 264,2309 P-valor(F) 2,6e-251
Log da verossimilhança −5620,589 Critério de Akaike 11253,18
Critério de Schwarz 11292,28 Critério Hannan-Quinn 11266,88
Coeficientes de correlação, usando todas as observações 1 - 5000
5% valor crítico (bicaudal) = 0,0277 para n = 5000

genero sindicato educacao idade sq_idade

1,0000 0,0709 -0,1837 0,0097 0,0167 genero
1,0000 0,0592 0,0732 0,0650 sindicato
1,0000 -0,3016 -0,3071 educacao
1,0000 0,9880 idade
1,0000 sq_idade

Fatores de Inflacionamento da Variância (VIF)

Valor mínimo possível = 1,0
Valores > 10,0 podem indicar um problema de colinearidade

genero 1,047
sindicato 1,023
educacao 1,156
idade 42,299
sq_idade 42,360

VIF(j) = 1/(1 - R(j)^2), onde R(j) é o coeficiente de correlação múltipla

entre a variável j e a outra variável independente

Diagnósticos de colinearidade de Belsley-Kuh-Welsch:

--- proporções de variância ---

lambda cond const genero sindicato educacao idade sq_idade
4,421 1,000 0,000 0,013 0,010 0,007 0,000 0,000
0,800 2,351 0,000 0,003 0,979 0,001 0,000 0,000
0,384 3,391 0,000 0,784 0,001 0,010 0,000 0,002
0,343 3,591 0,001 0,022 0,002 0,284 0,000 0,006
0,051 9,276 0,101 0,173 0,003 0,698 0,001 0,020
0,001 55,809 0,897 0,005 0,004 0,001 0,998 0,972

lambda = autovalores de X'X, maior para o menor

cond = índice de condição
nota: as colunas de proporção da variância somam 1

3
Econometria I – FACE/UFG – prof. Sandro Monsueto – 2021/02 – Material de apoio.

Modelo 4: MQO, usando as observações 1-2224

Variável dependente: l_imp_real
Coeficiente Erro Padrão razão-t p-valor
const 12,8158 0,249525 51,3609 <0,00001 ***
fronteira 2,56716 0,263569 9,7400 <0,00001 ***
idioma 0,450286 0,163225 2,7587 0,00585 ***
l_pib_exp 1,57862 0,0639382 24,6898 <0,00001 ***
l_pop_exp -0,576945 0,0608377 -9,4834 <0,00001 ***

Média var. dependente 19,24589 D.P. var. dependente 2,971551

Soma resíd. quadrados 13535,49 E.P. da regressão 2,469781
R-quadrado 0,310446 R-quadrado ajustado 0,309203
F(4, 2219) 249,7557 P-valor(F) 2,7e-177
Log da verossimilhança -5164,000 Critério de Akaike 10338,00
Critério de Schwarz 10366,54 Critério Hannan-Quinn 10348,42
Coeficientes de correlação, usando todas as observações 1 - 2224
5% valor crítico (bilateral) = 0,0416 para n = 2224

fronteira idioma l_pib_exp l_pop_exp

1,0000 0,2296 -0,0029 -0,0022 fronteira
1,0000 -0,1270 -0,0769 idioma
1,0000 0,7945 l_pib_exp
1,0000 l_pop_exp
Fatores de Inflacionamento da Variância (VIF)

Valor mínimo possível = 1,0

Valores > 10,0 podem indicar um problema de colinearidade

fronteira 1,057
idioma 1,076
l_pib_exp 2,746
l_pop_exp 2,716

VIF(j) = 1/(1 - R(j)^2), onde R(j) é o coeficiente de correlação múltipla

entre a variável j e a outra variável independente

Conditional Number = 17,53

NOTEM QUE O FIV E O CONDITIONAL NUMBER NÃO APONTAM PROBLEMAS NO MODELO.

 Mas observem o sinal do coeficiente de população quando ela é usada sozinha:
Modelo 5: MQO, usando as observações 1-2224
Variável dependente: l_imp_real
Coeficiente Erro Padrão razão-t p-valor
const 15,6862 0,2535 61,8787 <0,00001 ***
l_pop_exp 0,613975 0,042471 14,4563 <0,00001 ***

Média var. dependente 19,24589 D.P. var. dependente 2,971551

Soma resíd. quadrados 17941,86 E.P. da regressão 2,841592
R-quadrado 0,085968 R-quadrado ajustado 0,085556
F(1, 2222) 208,9859 P-valor(F) 2,44e-45
Log da verossimilhança -5477,385 Critério de Akaike 10958,77
Critério de Schwarz 10970,18 Critério Hannan-Quinn 10962,94
Fonte dos dados dos exemplos:
 IBGE
 IpeaData
 UNCTAD
4