Escolar Documentos
Profissional Documentos
Cultura Documentos
6.1
Portanto,
6.3 De
nós temos,
6.4 (a)
(b)
(c)
6.5
Considere os termos e
As últimas expressões em cada uma dessas equações se tornam zero tendo em vista as
equações normais que são utilizadas para as soluções por mínimos quadrados. Substituindo
=0e = 0 de volta na equação original, nós obtemos .
R2 = 0,393
(b) Não existirá relação entre %w e (1/u) se 2 = 0. Assim, nós testamos H0: 2 = 0 contra
H1: 2 0. Dado que H0 é verdadeira, o valor da estatística do teste é
Assim,
= 0,9701 quando u = 3
(f) O impacto de uma mudança na taxa de desemprego sobre a taxa de variação salarial é
dado pela inclinação da função, . Assim, o impacto é maior à medida que a
taxa de desemprego u se aproxima de zero e é menor à medida que u se aproxima do
infinito.
(g) O parâmetro 1 dá a menor porcentagem de variação possível nos salários. À medida que
u aumenta indefinidamente, a porcentagem de variação nos salários nunca será menor do
3
Esse amplo intervalo sugere que nossa estimativa pontual para 1 não é muito confiável.
A menor variação salarial possível poderia ficar entre um aumento de 2,91% e um
decréscimo de 5,77%.
Uma estimativa de intervalo de 95% para 2 é dado por
Esse intervalo também é largo, fazendo com que seja difícil para nós dar uma maior
precisão sobre a provável influência da taxa de desemprego sobre a taxa de variação
salarial.
6.7 (a) O conhecimento da relação entre a taxa de variação salarial e a taxa de desemprego é
muito importante para formuladores de políticas governamentais e sindicatos.
Usualmente, os governantes gostam de segurar a inflação, mas o custo de se fazer isso
pode ser um aumento do desemprego. Sindicados estão sempre tentando negociar
aumentos salariais para seus empregados. Contudo, eles devem estar de sobreaviso
porque, se os salários subirem, menos trabalhadores poderão conseguir empregos. Um
modelo econômico para relacionar a taxa de variação salarial e a taxa de desemprego foi
deduzido na Seção 6.3.2. Ele é chamado de curva de Phillips e é dado por
4
onde algumas hipóteses estatísticas são necessárias para o termo de erro et. Nós
assumimos que os et são variáveis aleatórias normalmente distribuídas e independentes
com média zero e variância constante 2. Para estimar esse modelo, nós utilizamos um
conjunto de 18 observações sobre wt e ut para o período entre 1949 e 1966. O método de
estimação utilizado é o método linear de mínimos quadrados, fazendo a regressão de
%wt sobre 1/ut. Esse método nos dá a seguinte equação estimada
= R2 = 0,393
onde os erros padrão estão nos parênteses. Nós esperaríamos que 1 < 0 e 2 > 0. Assim,
da equação estimada, b1 e b2 apresentam os sinais esperados. O erro padrão de b1 é
2,0355, que é relativamente grande e faz com que b1 seja estatisticamente insignificante.
A estimativa para b2 é estatisticamente significante, mas, como nós descobrimos no
Exercício 6.2(h), seu grande erro padrão leva a um largo intervalo de confiança que
carrega pouca informação econômica. Algumas das implicações econômicas foram
discutidas nas respostas do Exercício 6.2.
(b) Do Relatório Econômico para o presidente, nós podemos construir a seguinte tabela,
onde ut é a taxa de desemprego para todos os trabalhadores, wt é o ganho médio bruto por
horas em dólares correntes para todo o setor privado não agrícola e
.
Ano wt ut %wt
(c) A equação estimada para a curva de Phillips, utilizando dados para os anos
compreendidos entre 1975 e 1983 é
= R2 = 0,635
5
onde os erros padrão estão nos parênteses. A estimativa b1 = 0,8311 sugere que o
crescimento dos salários anuais nunca cai abaixo de 0,83%, mesmo quando a taxa de
desemprego se torna muito alta. Esse resultado pode não ser muito real; nós podemos
esperar trabalhadores aceitando uma queda nos salários reais para taxas de desemprego
altas. Se assim for, b1 deveria ser negativo. O grande erro padrão de b1 (e sua conseqüente
insignificância) não descarta a possibilidade de 1 ser negativo. A estimativa b2 = 47,851
com ep(b2) = 13,712 é economicamente possível e significante. Contudo, o intervalo de
confiança resultante é ainda largo demais. Ele carrega pouca informação, embora o
grande valor de b2 sugere que variações salariais são muito sensíveis à taxa de
desemprego.
Agora,
ln(x)
3
0
1 2 3 4 5 6 7 8 9 10
-1 x
-2
6.11 Os resultados estão sumarizados na seguinte tabela. Os erros padrão estão nos parênteses. A
mudança das unidades de y alteram b1 e b2, tornando-os 100 vezes menores. Mudanças nas
unidades de x somente influenciam b2, tornando-o 100 vezes maior. Quando tanto x como y
são reescalonados, b1 muda mas não b2.
Regressão b1 b2
6.12 As equações estimadas, seus gráficos e os gráficos dos resíduos estão abaixo.
A primeira equação é
2.5
2,5
2.0
2,0
1.5
1,5
1.0
1,0
1.0
1,0
0.5
0,5
0.5
0,5
0.0
0,0 0.0
0,0
-0.5
-0,5
-1.0
-1,0
50 55 60 65 70 75 80 85 90 95
A segunda equação é
Os gráficos são
2.5
2,5
2.0
2,0
1.5
1,5
1.0
1,0 1.0
1,0
0.5
0,5
0.5
0,5
0.0
0,0
0.0
0,0
-0.5
-0,5
-1.0
-1,0
50 55 60 65 70 75 80 85 90 95
Resíduo
Resíduo Real Ajust.
A terceira equação é
Os gráficos são
2.5
2,5
2.0
2,0
1.5
1,5
0.6
0,6 1.0
1,0
0.4
0,4
0.5
0,5
0.2
0,2
0.0
0,0
0.0
0,0
-0.2
-0,2
-0.4
-0,4
-0.6
-0,6
50 55 60 65 70 75 80 85 90 95
6.13 Para testar erros normalmente distribuídos para a equação preferida, equação 3, nós
precisamos dos valores da assimetria e da curtose. Eles são S = -0,08465 e k = 3,25607. A
estatística de teste é
Equação 2:
Equação 3:
(b) Equação 1:
Equação 2:
Equação 3:
10
Equação 2, para e
0.8 0.4
0.6 0.2
WFOOD1
RESID
0.4 0.0
0.2 -0.2
0.0 -0.4
3 4 5 6 3 4 5 6
X1 X1
0,8 0,4
0,6 0,2
O
O
D
F
SI
R
D
E
0,4 0,0
0,2 -0,2
0,0 -0,4
3,5 4,0 4,5 5,0 5,5 6,0 3,5 4,0 4,5 5,0 5,5 6,0
X2 X2
(1)
Ou
E (2)
0,3 0,2
L1
W
U
E
F
SI
R
D
E
0,2 0,1
0,1 0,0
0,0 -0,1
3 4 5 6 3 4 5 6
X1 X1
0,4
0,4
0,3
SI
R
D
E
L2
W
0,2
U
E
F
0,2
0,0
0,1
0,0 -0,2
3,5 4,0 4,5 5,0 5,5 6,0 3,5 4,0 4,5 5,0 5,5 6,0
X2 X2
Nós esperamos que a bebida não seja um bem de necessidade e, assim, à medida que
as despesas totais aumentam, a participação da bebida no orçamento deveria crescer.
Dessa forma, nós esperamos que o sinal de seja positivo. Ambas estimações dão o
sinal esperado. Os erros padrão para de ambas estimações são relativamente
pequenos, fazendo com que os valores das estatísticas t sejam altos e as estimativas
significantes.
(b) Para domicílios com 1 criança, a despesa total média é 94,848 e
15
Ambas as elasticidades são maiores do que um; portanto, a bebida não é um fator de
necessidade.
(c) As Figuras 6.8a e 6.8b são a curva ajustada e o gráfico dos resíduos para domicílios
com 1 criança. A forma funcional é razoável no sentido de que é difícil sugerir uma
função alternativa que forneça um melhor ajuste para os dados. De outro lado, a
função dá uma pobre explicação sobre a variação da participação da bebida no
orçamento. Isso é consistente com um baixo valor de , as observações variam
amplamente em torno da reta ajustada. Os resíduos positivos variam de uma
magnitude de zero à 0,3; contrariamente, o intervalo de variação dos resíduos
negativos vai de zero a –0,1, sugerindo uma forte assimetria na distribuição do erro.
0,4 0,4
0,3
0,3
0,2
W
SI
C
A
L
D
E
0,2
0,1
0,1
0,0
0,0 -0,1
3 4 5 6 3 4 5 6
X1 X1
As Figuras 6.9a e 6.9b são a curva ajustada e o gráfico dos resíduos para domicílios
com 2 crianças. Eles são similares aos gráficos dos domicílios com 1 criança. Mesmo
que seja difícil sugerir uma forma funcional diferente da linear-log para ajustar
melhor os dados, a função não é boa para explicar a variação da participação das
bebidas no orçamento. Talvez, novamente, um modelo de regressão múltipla com
variáveis explanatórias adicionais traria uma melhora.
0,5 0,4
0,4 0,3
C
0,3 0,2
A
L
SI
R
D
E
0,2 0,1
0,1 0,0
0,0 -0,1
3,5 4,0 4,5 5,0 5,5 6,0 3,5 4,0 4,5 5,0 5,5 6,0
X2 X2
0
LNY
-1
-2
-3
-10 -8 -6 -4 -2 0
LNX
2,5
2,0
1,5
Y
1,0
0,5
0,0
0,00 0,05 0,10 0,15
2,5 1
2,0
0
1,5
N
Y
-1
L
Y
1,0
-2
0,5
0,0 -3
-10 -8 -6 -4 -2 0 0,00 0,05 0,10 0,15
LNX X
6.19 (a) As Figuras 6.10a, 6.10b, 6.10c e 6.10d são os gráficos das observações de y contra x,
ln(y) contra ln(x), y contra ln(x) e ln(y) contra x, respectivamente. As formas
funcionais para serem escolhidas são especificadas na parte (b). Elas todas são
funções lineares de y e x ou dos logaritmos deles. A forma preferida é uma onde o
gráfico das observações é melhor representado por uma reta linear. Assim, isso ocorre
com o gráfico de y e x na Figura 6.10a. Em todas as outras figuras, uma reta com
alguma curvatura traria um melhor ajustamento. Assim, a forma funcional escolhida é
a equação .
(b) (i)
(ii)
(iii)
(iv)
Para verificar se o nível de arsênico na água influencia o nível de arsênico nas unhas
dos pés, nós testamos para cada equação se são iguais a zero. Nós
rejeitamos uma se a estatística t for maior do que o valor crítico absoluto. Ao
nível de significância de 0,05 e 13 graus de liberdade, . Os t calculados
18
para as hipóteses de cada equação são todos maiores do que o valor crítico. Nós,
dessa forma, rejeitamos e concluímos que existe evidência de que o nível de
arsênico na água influencia o nível de arsênico nas unhas dos pés.
(c) Os gráficos dos resíduos das equações de (i) - (iv) são apresentados nas Figuras 6.11-
6.14. Os resíduos nas Figuras 6.12b e 6.13b mostram um formato acentuado em U,
enquanto aqueles nas Figura 6.14b exibem um formato acentuado em U invertido.
Assim, nesses casos, os resíduos para pequenos e grandes valores de x ou de ln(x) têm
sinais diferentes dos resíduos para valores médios de x ou de ln(x). Esse
comportamento sugere formas funcionais inapropriadas. Como os resíduos para a
função linear não demonstram esse comportamento, os gráficos dão suporte para a
nossa escolha funcional na parte (a).
2,5 0,3
SI
R
D
E
2,0 0,2
1,5 0,1
Y
1,0 0,0
0,5 -0,1
0,0 -0,2
0,00 0,05 0,10 0,15 0,00 0,05 0,10 0,15
X X
LNY
-1
-2
-3
-10 -8 -6 -4 -2 0
LNX
1,0
0,5
SI
R
D
E 0,0
-0,5
-1,0
-10 -8 -6 -4 -2 0
LNX
2.5 1.5
2.0 1.0
1.5 0.5
RESID
Y
1.0 0.0
0.5 -0.5
0.0 -1.0
-10 -8 -6 -4 -2 0 -10 -8 -6 -4 -2 0
LNX LNX
1 1,0
0 0,5
SI
R
D
E
0,0
N
Y -1
L
-2 -0,5
-3 -1,0
0,00 0,05 0,10 0,15 0,00 0,05 0,10 0,15
X X
Os números nos parênteses são os erros padrão. Baseado nesse conjunto de dados, é sugerido
que à medida que as pessoas ficam mais velhas, elas consomem comida com mais fibra,
menos calorias, menos colesterol e menos gordura. O para cada equação é muito pequeno,
o que indica que a idade não é um bom previsor para a dieta.
6.21 (a) As equações estimadas para carregamentos de lava-louças como uma função das
despesas com bens duráveis e do investimento residencial privado são as seguintes:
A equação que dá o melhor previsor é a equação que tem o maior . Nesse caso, ela
é a equação com DUR como variável explanatória. Conseqüentemente, DUR é o
melhor previsor.
21
(b)
1500 100
0
1000
500
500
0
0
-
- 500
500
-1000 -1000
60 62 64 66 6 70 72 74 76 7 80 82 8 60 62 64 66 68 70 72 7 76 78 80 8 84
8 8 4 4 2
Resíduos Resíduos
DISH DISH
6.22 (a) As equações estimadas para carregamentos de máquinas de lavar roupas como uma
função de despesas com bens duráveis e do investimento residencial privado são as
seguintes:
(b)
(c) Os gráficos dos resíduos para as duas equações, utilizando DUR e RES como
variáveis explanatórias, estão nas Figuras 6.16a e 6.16b, respectivamente. Os resíduos
parecem ser correlacionados. Existe uma tendência para resíduos positivos seguirem
resíduos positivos e resíduos negativos seguirem resíduos negativos.
1000 600
400
500
200
0 0
-200
-500
-400
-1000
-600
60 62 64 66 68 70 72 74 76 78 80 82 84
60 62 64 66 68 70 72 74 76 78 80 82 84
Resíduos WASH
Resíduos WASH