O ficheiro traffic2 contém 108 observações mensais sobre acidentes de viação, leis de tráfego

e algumas outras variáveis sobre Califórnia, de Janeiro de 1981 a Dezembro de 1989. Use
este conjunto de dados para responder as seguintes perguntas.
a) Durante que mês e ano é que a lei do cinto de segurança na Califórnia produziu
efeitos? Quando é que o limite de velocidade na auto-estrada aumentou para 65
milhas por hora?
A lei do cinto de segurança na califórnia produz efeitos no período correspondente ao qual a
variável beltlaw tem o valor 1 ocorrendo a princípio, quando t= 61 e de acordo com os dados,
isso ocorre em Janeiro de 1986. O limite de velocidade na auto-estrada aumentou para 65 milhas
por hora, quando a variável spdlaw recebe o valor de 1 no início, quando t= 77, com referência
aos dados, isso ocorre em Maio de 1987.

b) Regrida a variável log(totacc) sobre uma tendência linear e 11 variáveis dummy mensais,
usando Janeiro como o mês-base. Apresente os resultados de regressão na forma normal.

Variável Dependente (log(totacc))

Variáveis Independentes (1)
t 0,003
(0,0002)
Feb -0,043
(0,024)
Mar 0,080
(0,024)
Apr 0,018
(0,024)
May 0,032
(0,024)
Jun 0,020
(0,024)
Jul 0,038
(0,024)
Aug 0,054
(0,024)
Sep 0,042
 (0,024)
Oct 0,082
(0,024)
Nov 0,071
(0,024)
Dec 0,096
(0,024)
Intercepto 10, 47
(0,019)
Observações 108
R2 0,7969

c) Interprete o coeficiente estimado da tendência temporal.

^β =0,00 3
t

De acordo com o senso comum, ao longo do tempo, tem surgido leis que melhor regulam o
trânsito e a construção de estradas e desenvolvimento de veículos tem se baseado em
melhores tecnologias visando salvaguardar o melhor possível a vida do condutor, com isso, é
esperada uma redução do total dos acidentes ao longo do tempo, sendo assim, o sinal não é
consistente com o senso comum, uma vez que este revela uma tendência temporal crescente
do total de acidentes.

Ao nível de significância de 5% o coeficiente da tendência temporal é estatisticamente

significativo, uma vez que apresenta um t obs=17,06 maior que o t c=1,96.

Mantendo todas as outras variáveis constantes, a cada mês, o total de acidentes de viação
cresce em média 0,3% por ano (0,003x100= 0,3).

d) Você diria que há sazonalidade nos acidentes totais?

log ( Totacct )=β 0 +α 0 t +U t
log ( Totacct )=10,504+0,003 t
(0,012) (0,0002)
n= 108 SSE=0, 408 R2=0 ,676
H 0 : β feb=0 , β mar =0 , … , β dec =0 ,as variáveis meses são iguais a zero; (Não há sazonalidade)

2
H 1 : A H 0 não é verdadeira (Há Sazonalidade)

q= 11

2 2
(R NR −R R )/ q
2
F (∝ ,q ,n−k−1)
(R NR )/(n−k −1)

(0,797−0,676)/11
F= F
(1−0,797)/(108−12−1) (5 % , 11, 95)

F=5,15 F (5 % ,11 ,108)

F(5 %,11 , 95)=1,91

(SSE ¿ ¿ r−SSEir )/ q
Ou F crít (11; 5%; 95)= 1,91 ~ F= ¿=
SSE ir /(n−k −1)

F=5,140 > F(5 % ,11 , 95)=1,91, logo, a hípotese nula de que todas as variáveis são iguais a zero é
rejeitada a favor da hipótese alternativa, dado que F obs > F crit , concluindo assim que existe
Sazonalidade.

Há uma clara evidência de sazonalidade. Só o Mês de Fevereiro tem um número total de

acidentes que o mês base que é Janeiro. O pico é dezembro, com 9,6% acidentes a mais do que
Janeiro.

e) Adicione à regressão da alínea b as variáveis wkends, unem, spdlaw e beltlaw. Estime o

modelo aumentado e apresente os resultados de regressão na forma usual.

Variável Dependente (log(totacc))

Variáveis Independentes (1)
t 0,001
(0,0003)
Feb -0,034
(0,018)
Mar 0,077
(0,017)
Apr 0,01

3
 (0,017)
May 0,024
(0,017)
Jun 0,022
(0,017)
Jul 0,05
(0,017)
Aug 0,056
(0,017)
Sep 0,042
(0,017)
Oct 0,082
(0,017)
Nov 0,077
(0,017)
Dec 0,099
(0,017)
Wkends 0,003
(0,004)
Unem -0,021
(0,003)
Spdlaw -0,054
(0,013)
Beltlaw 0,095
(0,014)
Intercepto 10, 64
(0,063)
Observações 108
R2 0,9101

f) Na regressão da alínea e, discuta o coeficiente estimado da variável “desemprego”. O seu

sinal e magnitude fazem sentido para si?
α unem=−0,02 1

4
O sinal é o esperado, pois vemos unem como uma medida de atividade económica. Quando a
atividade económica aumenta, o desemprego decresce, espera-se que haja mais condução e
consequentemente, mais acidentes.
O coeficiente associado a esta variável é estatisticamente significativo pois a todos níveis de
significância convencionais, rejeitando-se a hipótese nula, H 0=0 dado que
p−value=0,00<1 % , 5 % e 10 % de α .

Magnitude: % ∆ Intotacc=(100 β unem) ∆ unem

Se a taxa de desemprego aumentar em um ponto percentual, o número total de acidentes de
viação irá diminuir em 2,1%, mantendo as outras variáveis constantes.
Uma melhor economia tem custos em termos de acidentes de aviação.
g) Ainda na regressão da alínea e, interprete os coeficientes de spdlaw e beltlaw. Os efeitos
estimados são aqueles que você esperava? Explique.
^
β psdlaw =−0,0574
O sinal negativo associado ao coeficiente da variável limite de velocidade, não é o esperado
porque quanto maior a velocidade, os automobilistas que conduzem com maior segurança que
depois do limite de velocidade aumentado, devem ser mais cuidadosos.
O coeficiente é estatisticamente significativo a qualquer nível de significância convencional
pois o P-value t βspdlaw =0,000.
t

Quando o limite de velocidade aumentou para 65 milhas por hora, os acidentes totais foram
menores em cerca de 5,4%, comparativamente ao período anterior ao aumento do limite de
velocidade na auto-estrada.

^β
beltlaw = 0,095 > 0
t

O sinal positivo associado ao coeficiente da variável lei do cinto de segurança é positivo e por
isso consistente com o senso comum, pois a medida que as pessoas usam o cinto de
segurança, elas envolvem-se em comportamentos de direcção mais arriscados, na crença de
que estão mais seguros, daí espera-se que o número total de acidentes aumente com a
introdução da lei do cinto de segurança.

O coeficiente é estatisticamente significativo a qualquer nível de significância convencional,

pois o seu p-value de t = 0,000, que é menor que 1%, 5%, e 10% que representam os níveis
de significância convencional.

5
Ceteris paribus, o número de acidentes foi maior em 9,5% após a introdução da lei do cinto
de segurança, comparativamente ao período em que a lei não esteve vigente.

h) A variável prcfat é a percentagem de acidentes que resultam em pelo menos uma

fatalidade. Note que esta variável é uma percentagem, não uma proporção. Qual é a média de
prcfat ao longo deste período? Qual é o seu significado? Qual é o máximo de prcfat ao longo
deste período? Qual é o seu significado?
A média da percentagem dos acidentes que resultam em uma fatalidade desse período foi de
0,886%, o que significa que dos acidentes totais, em média 0,886%, um pocuo menos de 1%
de todos os acidentes resultaram numa fatalidade. E o valor máximo da percentagem de
acidentes totais que resultam em uma fatalidade foi de 1,217%, o que significa que dos
acidentes totais, no máximo 1,217% resultaram em uma fatalidade.

i) Estime a regressão da alínea e, mas use prcfat como variável dependente no lugar de
log(totacc). Apresente os resultados na forma usual.
Variável dependente: prcfat
R
2
0,7174
n 108
Variáveis independentes
Coeficiente
Erro padrão

t -0,002
(0,000)

feb 0,001
(0,029)

mar 0,0001
(0,027)

apr 0,058
(0,028)

may 0,072

6
 (0,028)

jun 0,101
(0,028)
jul 0,177
(0,027)

aug 0,193
(0,027)

sep 0,16
(0,028)

oct 0,101
(0,028)

nov 0,014
(0,028)

dec 0,009
(0,028)

unem -0,015
(0,006)

spdlaw 0,067
(0,021)

beltlaw -0,03
(0,023)

wkends 0,0006
(0,006)
constante 1,0297

7
 (0.103)

j) Discuta os efeitos estimados e significância das variáveis spdlaw e beltlaw.

^
β psdlaw =0,067

Higher speed limits are estimated to increase the percent of fatal accidents, by .067
percentage points. This is a statistically significant effect. The new seat belt law is
estimated to decrease the percent of fatal accidents by about .03, but the two-sided p-
value is about .21.
O coeficiente β psdlaw é consistente com o senso comum, e, é o esperado, pois com uma subida
do limite de velocidade, maior a probabilidade do aumento de acidentes que resultam em uma
fatalidade, pois espera-se que quanto maior for a velocidade, maior será a chance de cometer
acidentes de viação graves que resultem em pelo menos uma fatalidade, devido ao difícil
controlo da situação de emergência em casos de condutores a alta velocidade.

O coeficiente é significativo pois ao nível de 5% de significância, rejeita-se H 0=0 dado que

p−value=0,00<0,05 de significancia.

Magnitude: ∆ prcfact=β ∆ spdlaw

Quando o limite de velocidade na auto estrada passou para 65 milhas, a percentagem dos
acidentes que resultam em pelo menos uma fatalidade foi maior em 0,067 pontos percentuais
em relação ao periodo anterior a mudança do limite de velocidade na auto estrada.

^
β beltlaw = 0,03

O coeficiente é estatisticamente insignificante ao nível de 5% de significância, a H 0=0 não é

rejeitada visto que p−value=0,207>todos níveis de significancia convecionais .

A introdução da lei do cinto de segurança melhora a defesa dos ocupantes de um meio de

transporte, pois em caso de um acidente ou colisão, não permite a projecção do passageiro
para fora do veículo e nem que este bata a cabeça contra o pára-brisas ou outras partes duras
do veículo, o que reduz o número de acidentes que resultam em uma fatalidade, o que é
consistente com o sinal do coeficiente associado a lei do cinto de segurança, pois indica que
com a introdução da lei do cinto de segurança, a percentagem dos acidentes que resultam em
uma fatalidade reduziu.

8
Portanto, não há evidências suficientes para afirmar que com a introdução da lei do cinto de
segurança, a percentagem dos acidentes que resultam em fatalidade tenham reduzido

Anexo

b)

9
d)

. reg lntotacc t

Source SS df MS Number of obs = 108

F( 1, 106) = 220.93
Model .85008127 1 .85008127 Prob > F = 0.0000
Residual .407856208 106 .0038477 R-squared = 0.6758
Adj R-squared = 0.6727
Total 1.25793748 107 .011756425 Root MSE = .06203

lntotacc Coef. Std. Err. t P>|t| [95% Conf. Interval]

t .0028458 .0001915 14.86 0.000 .0024662 .0032254

_cons 10.50414 .012021 873.81 0.000 10.4803 10.52797

e)

10
 Source SS df MS Number of obs = 108
F( 16, 91) = 57.61
Model 1.14490901 16 .071556813 Prob > F = 0.0000
Residual .113028469 91 .001242071 R-squared = 0.9101
Adj R-squared = 0.8943
Total 1.25793748 107 .011756425 Root MSE = .03524

lntotacc Coef. Std. Err. t P>|t| [95% Conf. Interval]

t .0011011 .0002579 4.27 0.000 .0005889 .0016133

feb -.0338346 .0177683 -1.90 0.060 -.0691292 .0014599
mar .076953 .0167941 4.58 0.000 .0435937 .1103124
apr .0104561 .0170469 0.61 0.541 -.0234054 .0443177
may .0237074 .0169389 1.40 0.165 -.0099397 .0573544
jun .0219334 .0172149 1.27 0.206 -.012262 .0561288
jul .0499293 .0167036 2.99 0.004 .0167496 .0831089
aug .0559526 .0168173 3.33 0.001 .022547 .0893581
sep .0420693 .0172819 2.43 0.017 .007741 .0763977
oct .0817171 .0169554 4.82 0.000 .0480372 .1153969
nov .0768721 .0172455 4.46 0.000 .0426161 .1111282
dec .0990863 .0170705 5.80 0.000 .0651779 .1329948
unem -.0212173 .0033974 -6.25 0.000 -.0279659 -.0144688
spdlaw -.0537593 .0126036 -4.27 0.000 -.0787948 -.0287238
beltlaw .0954528 .0142351 6.71 0.000 .0671766 .123729
wkends .0033333 .0037761 0.88 0.380 -.0041675 .0108342
_cons 10.63986 .063086 168.66 0.000 10.51455 10.76518

h)

. summarize prcfat

Variable Obs Mean Std. Dev. Min Max

prcfat 108 .8856363 .0997777 .7016841 1.216828

i)

11
 Source SS df MS Number of obs = 108
F( 16, 91) = 14.44
Model .764228341 16 .047764271 Prob > F = 0.0000
Residual .301019813 91 .00330791 R-squared = 0.7174
Adj R-squared = 0.6677
Total 1.06524815 107 .00995559 Root MSE = .05751

prcfat Coef. Std. Err. t P>|t| [95% Conf. Interval]

t -.0022352 .0004208 -5.31 0.000 -.0030711 -.0013993

feb .0008607 .0289967 0.03 0.976 -.0567377 .0584592
mar .0000923 .0274069 0.00 0.997 -.0543481 .0545327
apr .0582201 .0278195 2.09 0.039 .0029601 .1134801
may .0716392 .0276432 2.59 0.011 .0167293 .1265492
jun .1012618 .0280937 3.60 0.001 .0454571 .1570665
jul .1766121 .0272592 6.48 0.000 .122465 .2307592
aug .1926116 .0274448 7.02 0.000 .1380958 .2471274
sep .1600165 .028203 5.67 0.000 .1039948 .2160382
oct .1010357 .0276702 3.65 0.000 .0460722 .1559991
nov .013949 .0281436 0.50 0.621 -.0419548 .0698528
dec .0092005 .027858 0.33 0.742 -.046136 .064537
unem -.0154259 .0055444 -2.78 0.007 -.0264392 -.0044127
spdlaw .0670876 .0205683 3.26 0.002 .0262312 .107944
beltlaw -.0295053 .0232307 -1.27 0.207 -.0756503 .0166397
wkends .0006259 .0061624 0.10 0.919 -.0116151 .0128668
_cons 1.029799 .1029524 10.00 0.000 .8252964 1.234301

12