Escolar Documentos
Profissional Documentos
Cultura Documentos
Lição de casa 7
(a) Calcule o logaritmo dos assaltos (ln_assaults) e regrida em indicadores fictícios de mês e ano
usando janeiro como base. Há evidências de "sazonalidade" nesse tipo de crime violento, ou
seja, tende a haver mais assaltos em alguns meses do que em outros? Há uma tendência de
assaltos ao longo dos anos amostrais?
Sim, há evidências de "sazonalidade". Podemos testar isso formalmente usando o teste F que
afirma que o coeficiente de todos os meses = 0; a alternativa sendo pelo menos um deles não
é igual a 0. A partir disso, verificamos que nosso F-stat é de 76,26 com p-valor de 0. Assim,
podemos rejeitar o nulo de que não há sazonalidade e dizer que há evidência de sazonalidade
a partir dos dados.
Podemos fazer algo semelhante para encontrar uma tendência nas agressões ao longo dos
anos amostrais usando o teste F que afirma que o coeficiente de todos os anos = 0; a
alternativa sendo pelo menos um deles não é igual a 0. A partir disso, descobrimos que nosso
F-stat é 6440.5. Assim, podemos rejeitar a nulidade de que não há tendência ao longo dos
anos amostrais e dizer que há uma tendência ao longo dos anos em relação à agressão.
(b) Gerar a frequência total das três categorias de filmes (assistir = attend_v + attend_m +
attend_n) e regredi-la nos indicadores de ano e mês. Você vê sazonalidade na frequência ao
cinema? Existe uma tendência no cinema ao longo do tempo?
Sim, parece haver sazonalidade na frequência ao cinema. Podemos testar isso realizando
outro teste F que tenha um nulo que diz que não há sazonalidade (coeficiente mês = 0). A
realização do teste F no STATA nos dá um valor de 33,72 e um p-valor de 0. Isso significa
que podemos rejeitar o nulo de que não há sazonalidade e dizer que há evidência de
sazonalidade nos dados.
Sim, também há uma tendência no cinema ao longo do tempo. Podemos testar isso realizando
outro teste F no qual o nulo afirma que não há tendência ao longo do tempo (coeficiente ano
= 0). A realização de um teste F no STATA nos dá um valor de 9,24 e um p-valor de 0. Isso
significa que podemos rejeitar o nulo de que não há tendência ao longo do tempo e dizer que
há evidências de uma tendência ao longo do tempo nos dados.
(c) Agora, regrida ln_assaults sobre a frequência em cada um dos três tipos de filmes,
juntamente com indicadores fictícios de mês e ano, e as variáveis de controle de clima e
feriado disponíveis no conjunto de dados. Ver um filme fortemente violento aumenta ou
diminui as agressões, em quanto? É estatisticamente significativo?
Para cada 1 milhão de pessoas que assistem a um filme fortemente violento, prevê-se que
diminuam as agressões em -0,31689%, ceteris paribus. Esse número é significativo, pois o
valor de p é próximo de 0. Assim, esse número é estatisticamente significativo mesmo ao
nível de significância de 1%.
(d) Teste se os efeitos da participação em filmes fortemente violentos e levemente violentos são
os mesmos. Faça o mesmo para os efeitos da participação em filmes fortemente violentos e
não violentos. Declare a hipótese Nula e especifique sua regressão restrita.
Conclusão: Como o valor de p é > 0,05, concluímos que não rejeitamos a hipótese nula de
que não há efeito de assistir a filmes fortemente violentos e filmes levemente violentos e
dizemos que pode haver um efeito entre assistir a filmes fortemente violentos e filmes
levemente violentos.
Da mesma forma, como temos apenas 1 restrição, podemos simplesmente olhar para o t-
stat ou o p-vale do coeficiente attend_v.
Conclusão: Como o valor de p é de >0,05, concluímos que não rejeitamos a hipótese nula de
que não há efeito de assistir a filmes fortemente violentos e filmes não violentos e dizemos
que pode haver um efeito entre assistir a filmes fortemente violentos e filmes não violentos.
2. A frequência ao cinema e a incidência de crimes violentos podem ser determinadas por certos
fatores comuns. O clima é um bom exemplo: quando o mau tempo faz com que as pessoas
fiquem em casa, elas não vão aos cinemas e também não são alvo de assalto. A regressão das
variáveis instrumentais pode corrigir a endogeneidade das variáveis de atendimento. O conjunto
de dados contém três instrumentos potenciais que fornecem estimativas da frequência prevista de
filmes fortemente violentos, levemente violentos e não violentos, pr_attend_v, pr_attend_m e
pr_attend_n, respectivamente. Essas previsões são baseadas no conhecimento de padrões típicos
de frequência de filmes durante sua distribuição nos cinemas.
(a) Estimar a primeira etapa do procedimento 2SLS e testar se as três variáveis são instrumentos
"fortes".
Assim, concluímos que a variável instrumental passa no teste de relevância e que todas as
variáveis instrumentais são uma boa variável instrumental.
(b) Executar regressão de mínimos quadrados em dois estágios usando essas três variáveis como
instrumentos para os três regressores endógenos. Avalie o coeficiente de frequência de filmes
violentos e teste se ele é diferente do coeficiente de filmes levemente violentos e, novamente,
de filmes não violentos.
Coeficiente : -.0038738, o que significa que para cada 1 milhão de espectadores de filmes
fortemente violentos, o número previsto de assaltos diminui 0,387%, ceteris paribus.
Nesse caso, R2 agora não é confiável, pois a variabilidade na variável dependente (ln_assault)
é devida à mudança tanto nas variáveis independentes quanto no termo de erro.
Estat Overid
Verificou-se que tanto o valor de p é estatisticamente significante a 5%; assim, rejeitamos o nulo
de que nossa variável instrumental não está correlacionada com o termo de erro e dizemos que
pelo menos 1 instrumento não é exógeno – o que significa que um de nossos instrumentos é
inválido como queremos Cov(Z,u) = 0