1)

Uma correlação positiva entre policiamento e homicídios. Em média,

quanto maior o número de homicídios maior o número de policiamento.
2. 2.1)

2.2)
2.3)

3)
Nesse caso a variável Z (instrumento) deve seguir duas condições para
estimar o efeito causal do X no Y, ela precisa atender a condição de
relevância Cov(Zi, Xi) ≠ 0 e a condição de exclusão Cov(Zi, ui) = 0, o
instrumento além de ser correlacionado a variável de interesse X, a
variável instrumento não pode ser correlacionada com u. A condição de
relevância diz que o instrumento precisa ser correlacionado com a variável
explicativa X: dizemos que a variável X “foi instrumentada”. A condição de
exclusão diz que o instrumento não pode ser uma variável omitida da
equação, ou seja, não pode fazer parte do erro da regressão.
Economicamente explicando a variável greve é uma boa dummy
instrumental para policiamento, pois sabemos que quanto maior o
número de greves, a tendência é que exista uma quantidade maior de
homicídios também no local analisado.
4)

4.1) Estime a equação do primeiro estágio

O efeito da dummy greve em policiamento é um valor estimado relevante

e apresenta correlação negativa com a variável policiamento, ou seja,
quanto maior a adesão a greve, menor o número de policiamento. Por
tanto é uma dummy importante para ser usada como variável
instrumental de policiamento e assim evitar viés de variável omitida. O
teste t não supera o valor recomendado de 10, porém o valor estimado é
alto, greve reduz em - 44,98 % o policiamento.
4.2)

A greve é um instrumento relevante para estimar o número de

homicídios. Através do gráfico podemos identificar que nos locais onde
houve adesão a greves, a quantidade de mortes foi maior quando
comparado aos locais onde não houve adesão a greves. Existe uma
correlação positiva entre homicídios e greves, quanto maior a adesão a
greves, maior o número de homicídios devido ao menor número de
policiamento nas ruas.
5) Estime agora o segundo estágio do método de MQ2E

Ao acrescentar a variável instrumental greve, obtemos um estimador

negativo para a variável policiamento, ou seja, existia um problema de
viés de variável omitida que subestimava o efeito da variável
policiamento, ao introduzir a dummy instrumental greve, o efeito de
policiamento sobre o número de homicídios se torna negativo, isso quer
dizer que policiamento reduz o número de homicídios. Existe uma
correlação negativa entre a adesão a greves e a quantidade de
policiamento. E a variável instrumental greve se mostra estatisticamente
relevante pois o teste estatístico F é um valor superior a 10.
6)

MQO MQO2E
(1) (2) (3) (4)

0,0829682*** 0,0789917*** 0,0789543*** −0,0766866***

Pol (0,00167961) (0,00182653) (0,00182928) (0,0243240)
0,974185*** 0,982114*** 9,30527***
Porcj (0,218457) (0,217707) (1,45296)
0,442068 2,42094
l_renda (0,741772) (2,11927)

R 0,711544 0,717422 0,717527 0,109947

n 1-1000 1-1000 1-1000 1-1000

Sim, o problema da regressão era o de variável relevante omitida. Ao

introduzirmos a dummy instrumental greve, obtemos resultados
diferentes no MQO2E, o que leva a entender que o efeito da variável
policiamento em homicídios estava sendo subestimada. Nas equações de
MQO, policiamento tinha um efeito positivo em homicídios enquanto no
MQ2OE, policiamento tem efeito negativo sobre homicídios. E porcj teve
um aumento relevante no seu coeficiente estimado, mostrando que quase
10% do aumento de homicídios está relacionada com a porcentagem de
jovens dentro da população. Percebemos que as dummys de controle são
importantes para extrair resultados mais realistas a partir das regressões.
7) P𝑜𝑙𝑖 = 𝛽0 + 𝛽1ℎ𝑜𝑚𝑖 + 𝛽2𝑝𝑜𝑟𝑐𝑗𝑖 + 𝛽3greve + 𝑢
Varável instrumental para homi: porcj

Uma possível variável instrumental para a taxa de homicídios é a variável

porcj, pois está variável atende a condição de relevância, isso se verifica
ao regredimos a porcentagem de jovens na variável a ser instrumentada,
ela apresenta razão t superior a 10, o que significa que seu efeito sobre a
taxa de homicídios é estatisticamente significativo. A outra condição é a
chamada condição de exclusão, onde não deve existir covariância entre a
variável de instrumento e o erro da regressão homicídio, e tudo leva a
acreditar que a dummy porcj não está no erro da regressão de
policiamento, pois essa variável não tem impacto direto sobre essa
variável.