Classificação: [Privada]

REC 2312 – Econometria II, 1º semestre de 2023 – Prof. Daniel Santos

Teste 1

Nome: Matheus Machado Corrêa #USP: 18892984

ATENÇÃO

Só considerarei o que estiver escrito no espaço designado para a questão. Use o rascunho para
organizar suas ideias.

Você pretende estimar a relação entre salários, W e escolaridade dos indivíduos, S. Em sua base
de dados, há informações sobre o sexo dos trabalhadores, X. Você sabe que no Brasil há
discriminação contra a mulher no mercado de trabalho, ao mesmo tempo em que as mulheres
estudam mais do que os homens.

a. Se você estimar o modelo W = a + bS + ε, excluindo sexo do modelo, seu

estimador 𝑏̂ 𝑀𝑄𝑂 possivelmente será uma estimativa subestimada do verdadeiro
valor de b. Explique.

R: O Modelo 𝑊 = 𝑎 + 𝑏𝑆 + 𝑒 coloca como única variável explicativa para o

salário (W) o nível de escolaridade (S), porém o sexo dos trabalhadores (X)
também afeta o salário.
Logo, a influência da variável Sexo (X) estará presente em 𝑒 com isso a
covariância entre Escolaridade (S) e o 𝑒 será diferente de zero ferindo os
princípios do modelo de Gauss Markov e tornando o estimador 𝑏 𝑀𝑄𝑂 viesado.
Nesse caso, isso vai subestimar o valor de 𝑏, pois ele deveria estar considerando
apenas o efeito da escolaridade (S) sobre W, mas estará viesado e levando em
conta o sexo dos trabalhadores que não está incluso no modelo e que para as
mulheres terão um salário, na média, menor, mas essa influência do sexo do
trabalhador não estando incluso no modelo tudo é sumarizado em 𝑏 e o
estimador fica subestimado.

b. Agora você resolveu incluir X em seu modelo e estimar W = a + bS + cX + ε.

Após a inclusão de X, suponha que o restante dos componentes não observáveis
que afetam o comportamento do salário sumarizados em ε, sejam estritamente
exógenos, isto é, E[ε|S,X] = 0. No entanto, você percebe que a volatilidade do
salário é o dobro para mulheres do que para homens para todos os níveis de
escolaridade, ou seja, que 2*var(ε|S, X=homem) = var(ε|S,X=mulher). Nesse
caso, como você poderia propor um estimador melhor do que MQO?

R: Uma vez que as variâncias não são constantes 2xvar(E/S, X = homem) =

var(E/S, X = mulher ), ele viola o princípio de homoscedasticidade de Gauss
Markov.
Portanto, para um modelo heterocedástico seria melhor utilizar o Mínimo
Quadrado Generalizado (MQG) uma vez que ele leva em conta a variância no seu
estimador como se fosse uma ponderação.
O único possível problema é que ∑, a sua matriz de covariância e variância,
necessita ser estimado e com isso perdemos graus de liberdade, mas dado a
heterocedasticidade e o que vimos na aula até agora MQG é o melhor estimador.