1-A) [1,5 ponto] Em consonância com os aspectos teóricos de formação de habilidades

discutidos durante a aula, o estudo conduzido por Kim et al. (2018) traz uma contribuição
valiosa à literatura sobre o desenvolvimento do capital humano infantil. Este artigo
apresenta evidências que sustentam a relevância das interações entre pais e filhos no
processo de aprimoramento de habilidades comportamentais. Neste item, concentraremos
na parte teórica do artigo. Formalize o modelo microeconômico proposto por Kim et al.
(2018) usando equações, suas palavras e uma descrição das premissas subjacentes.
Identifique e explique os problemas de maximização enfrentados pelos agentes
representativos no contexto do estudo. Destaque o principal resultado teórico que pode ser
derivado desse modelo. Por fim, liste a hipótese econômica fundamental que está sendo
investigada neste artigo e que é um desdobramento do modelo teórico

A partir do artigo de Kim et al. (2018) podemos esclarecer o modelo com base na
pergunta de investigação feita pelos autores: "Como as interações positivas entre pais e filhos
podem afetar o desenvolvimento socioemocional e o bem-estar das crianças?". Sabendo disso, o
estudo busca investigar a eficiência de possíveis intervenções prematuras na infância para
melhorar o desenvolvimento socioemocional e o bem-estar das crianças.

Partindo desse pressuposto, os autores nomeiam os parâmetros que irão usar para montar
o modelo, sendo eles habilidades paterna coercitivas e não-coercitivas. Para o primeiro estudo foi
analisado a partir da criança ser deliquente ou não, no qual, Y ∈ {0, 1}
em que Y=1 é que não foi deliquente e Y=0 que foi delinquente, além disso, para descobrir a
probabilidade de tal usasse um produto dos parametros entre esforço "e" que existe a escolha
entre 0 e 1. Além dela, "A" captura os fatores ambientais da investigação da pergunta. O modelo,
por fim, fica e função dessas seguintes variaveis pelo seguinte modelo:

Y =f (P , ℇ , A)

Acrescentando informações para o modelo não ficar parecido com outros modelos de
principal-agente, é medido as políticas parentais que são medidas a partir de b ∈ {0, 1} com uma
variavel aleatória de Bernoulli B com probabilidade q(e,b) ≡ 𝑃(𝐵 = 1|e, b).
 Dessa forma, analisando o problema de maximização do autor, a criança é responsável
pela determinação de seu nível de esforço (e) no desenvolvimento de habilidades acadêmicas e
sociais. Esse esforço demanda um custo (v) para a criança.

Por outro lado, o pai decide sobre a sua política de parentalidade (b). Ao anunciar b=1, o
pai motiva a criança a escolher e = 1, proporcionando um incremento em sua utilidade,
representada por B (um ganho), multiplicada pela probabilidade (1, 1). Entretanto, essa escolha
implica um custo para o pai (c).

O objetivo da criança é maximizar a sua utilidade, levando em consideração o custo

associado ao esforço e a utilidade vinda da política parental anunciada pelo pai.

Todavia, o pai busca maximizar a sua utilidade, considerando o custo envolvido na

implementação da parentalidade (quando anuncia b=1) e a resposta ótima da criança (e*) à
política parental anunciada.

Dessa forma, a criança determina o nível de esforço com base na política parental
anunciada pelo pai, visando otimizar a sua utilidade, considerando tanto os custos quanto os
ganhos envolvidos. O pai, por sua vez, decide sua política parental com o intuito de maximizar
sua utilidade, levando em consideração os custos e a resposta ótima da criança.

Trazendo o modelo econometrico estimado a partir da equação:

Y k , t=αt+ β t Z ik + γ t X ik + ϵ ik ,t❑ onde as variaveis são denominadas da seguinte maneira:

Y ik : representa o resultado para o o participante ik (nesse caso a criança dentro de

um dos casos)
Z k: variavel que indica o cluster ou pré escola que foi atribuido ao grupo de
intervenção ou ao grupo de controle
Y ik (1): é o contrafactual para o participante ik caso o grupo de intervenção tenha
sido atribuído (Zk=1)
 Y ik (0): é o contrafactual para o participante ik caso o grupo de intervenção tenha
sido atribuído (Zk=0)
𝛼: constante
β: coeficiente que representa o efeito da intervenção (objetivo da regressão que foi
estimada)
X ik : é um vetor de variaveis de controle
ℇ ik : é o termo de erro individual

Com base nas figuras 1 e analisando a tabela 3 sobre intervenção e seus resultados,
consideramos mecanismos que conectam uma parentalidade melhorada aos resultados infantis.
Acreditamos que o problema de decisão dos pais seja o canal mais plausível para os efeitos
observados, uma vez que a intervenção interage apenas com os pais. Eles não receberam recursos
materiais e o compromisso de tempo foi leve, desqualificando canais através das restrições do
orçamento doméstico. A intervenção melhorou apenas alguns resultados.

O efeito de contágio (spillover effect) é desqualificado, uma vez que o estudo foi
randomizado no nível pré-escolar e apenas uma criança foi avaliada por domicílio. Não podemos
rejeitar a possibilidade de que o efeito da intervenção tenha sido impulsionado pela provisão de
informações, mas consideramos essa possibilidade improvável. A punição corporal foi proibida
na Alemanha em 2000, e o governo lançou campanhas de informação contra tais castigos
(Bussmann, 2004). Tanto o grupo de intervenção quanto o grupo de controle teriam sido
expostos de maneira semelhante às informações sobre os efeitos negativos da parentalidade
severa. A explicação mais provável é que a intervenção melhora as habilidades parentais por
meio de treinamento comportamental, conforme consistente com o modelo proposto antes do
problema de maximização.

O principal resultado teórico advindo desse modelo é que o investimento dos pais nas
interações com seus filhos têm impacto significativo no desenvolvimento das habilidades
comportamentais das crianças. Ou seja, um maior investimento dos pais está positivamente
relacionado à melhora das habilidades comportamentais das crianças. Isso implica que, quando
os pais dedicam tempo e recursos para a interação com seus filhos, as crianças têm uma maior
probabilidade de desenvolver habilidades comportamentais positivas.

A hipótese econômica essencial explorada no artigo é que as interações entre pais e filhos
possuem um papel de grande importância no desenvolvimento do capital humano infantil, dando
ênfase nas habilidades comportamentais das crianças. Assim, a hipótese é que, ao aumentar o
investimento dos pais em interações positivas com seus filhos, as crianças terão uma
probabilidade maior de adquirir e desenvolver habilidades comportamentais que contribuam para
seu bem.

2-A) Estabeleça a Pergunta de pesquisa a ser investigada por sua Equipe com base nas
informações disponíveis. Formalize uma Teoria Microeconômica que fundamente os
argumentos teóricos da sua pergunta. Deixe claro quais as referências da literatura que
serviram de base para a construção de seu argumento teórico. Identifique a Hipótese
econômica resultante de sua Teoria Micro.

A pergunta a ser desenvolvida, pesquisada e respondida pelo nosso grupo será: O

tamanho da turma, ou o aumento a propensão de distração (com mais pessoas em sala de aula),
possui impacto negativo no aprendizado do aluno?

Para responder tal pergunta, utilizamos como base o modelo de Lazear, que trata a sala de
aula como um bem de poder público, em que a atenção de cada aluno é levada em consideração.
Dessa forma, o mal comportamento de um aluno pode interferir na atenção de outros alunos.
Vamos supor, para melhor entendimento, que um aluno se comporte mal falando alto, dessa
forma o aprendizado de todos os outros alunos da sala será prejudicado.

Do ponto de vista da escola, ela busca maximizar o seu lucro. O lucro da escola, portanto,
será uma função de quanto os alunos pagam para aprender (ligado ao aprendizado de aluno que
no caso estaria relacionado ao tamanho da turma) e o salário dos professores. Para uma classe de
tamanho n, o valor de uma unidade de aprendizagem é dado por V. Além disso, uma escola com
Z alunos teria m professores e m turmas. Assim, o lucro por estudante seria dado pela seguinte
função:

Lucro p Estudante = V*p^n – W/n

Achando a condição de primeira ordem do problema de maximização da função acima

com relação ao tamanho da turma nos temos:

V*p^n*ln(p) + W/n^2 = 0

Para continuar, achamos a derivada parcial em relação ao número de alunos da turma

para cada fator da função acima, e chegamos que:

Derivada em relação ao salário é positiva, ao tamanho de alunos da escola é negativa, ao

valor de aprendizagem é negativa e em relação a probabilidade dos alunos se comportarem bem
é positiva.

Dessa última, chegamos, portanto, em nossa hipótese econômica:

Quanto maior for a probabilidade do aluno de se comportar bem, maior o tamanho ótimo
da turma. Ou seja, quanto maior for a turma, para uma probabilidade dos alunos se comportarem
bem fixa, menor será o aprendizado.
2-B) Explique o seu critério de definição da variável Nota consolidada. Elabore algumas
estatísticas descritivas desta variável e das demais variáveis disponíveis, de modo a
caracterizar os três tipos de turmas. Interprete seus resultados. [0,5 ponto]

Para definir nossa variável score, geramos uma variável score que seria dada pela média
aritmética da nota do aluno no teste de matemática e de leitura, pois acreditamos que para um
aluno de ensino médio, sem nenhuma especialização, o nível de matemática é igualmente
importante ao nível de compreensão de texto.

Acima temos as médias das variáveis que mede anos de experiência dos professores,
número de falta dos alunos, score médio no teste de compreensão de texto e score médio no teste
de matemática para os alunos dos 3 tipos de classe, pequena, regular e regular com professor
assistente respectivamente. A proximidade das médias é de tais variáveis é consequência da
aleatoriedade de escolha dos alunos e dos professores por tipo de sala da aula no programa.
 Acima vemos o histograma da variável score também para os 3 tipos de classe, pequena,
regular e regular com professor assistente respectivamente. De primeiro momento, é visto que o
histograma da classe com professor auxiliar apresenta caldas mais pesadas a esquerda, indicando
com base descritiva apenas uma aparência de influência negativa desse professor auxiliar na
classe regular no score dos alunos criado. Já entro o histograma de classe regular e pequeno, é
visto uma média muito parecida, no entanto uma maior concentração do score em classes
menores e uma maior dispersão do score em classes regulares.

2-C) Considere o seguinte modelo: 𝑁𝑜𝑡𝑎 𝑐𝑜𝑛𝑠𝑜𝑙𝑖𝑑𝑎𝑑𝑎𝑖 = 𝛼0 + 𝛼1 𝑠𝑚𝑎𝑙𝑙𝑖 + 𝛼2 𝑎𝑖𝑑𝑒𝑖 + ∑𝛼𝑘

𝐾 𝑘=3 𝑥𝑘𝑖 + 𝜀𝑖 Estime o modelo incluindo também as variáveis 𝑥3𝑖 , 𝑥4𝑖 , … , 𝑥𝐾𝑖 – fatores
de sua escolha que expliquem as notas dos alunos. Explique suas escolhas e interprete os
resultados estimados. Neste caso, a não inclusão destes fatores é fonte de viés? Justifique. [1
ponto]

Analisando o quadro de médias reportados, notamos que a média das variáveis citadas,
por mais que parecida dado a aleatorizada, como a amostra não é grande suficiente difere de
classe pequena, regular e regular com professor assistente em alguns casos. Por isso, vamos
utilizar o seguinte modelo para nossa estimação:

Score i = a0 + a1*small i + a2*aide i + a3*tchexper i + a4*absent I

Estimando o modelo acima de regressão, encontramos o seguinte resultado:

 É possível notar que é esperado que um aluno em uma sala com tamanho regular, com
professor com nenhum ano de experiência e 0 faltas o score esperado é de 456,6369. Além disso,
o coeficiente que acompanha a variável small, que mede a diferença de score médio de um aluno
em classe com tamanho regular e pequeno ceteris paribus é positivo e igual a 6,83. Dessa forma,
é possível interpretar que alunos em salas regulares possuem score, medida de aprendizado
utilizada, menor em média que alunos em classes menores, tudo o mais constante. Com isso, a
nossa hipótese econômica aparenta se confirmar, uma vez que é medido justamente a diferença
de aprendizado de alunos em salas com tamanhos diferentes, sendo que em salas menores a
chance de distração é menor e consequentemente a probabilidade de melhor aprendizado é maior.
Além disso, a estatística t que acompanha o coeficiente da variável aide, que mede a diferença de
score médio de alunos em sala regular e em sala regular com professor ajudante, ceteris paribus,
é alto. Assim, se pode concluir com uma significância de 10% que é relativamente alta, que a
inclusão de professor ajudante em sala regular é insignificante para explicar o score do aluno, e
se essa for uma medida de aprendizado, é insignificante para melhorar ou piorar o aprendizado
do aluno.

Neste caso, a inclusão dos fatores que não sejam o tamanho da classe regular do aluno
não deveriam ser fonte de viés, uma vez que a amostra é aleatória e eles foram colocados de
forma aleatória nos diferentes tamanhos de turma. No entanto, como a amostra não é tão grande,
escolhemos colocar pois essa característica da amostragem aleatória normalmente se dá em
grandes amostras, já em menores é esperado isso, mas pode ocorrer diferenças significativas.

2-D) Adicione, ao modelo resultante do item anterior, variáveis indicativas de cada escola:
𝑒𝑠𝑐𝑜𝑙𝑎𝑗 = { 1, se o estudante é aluno da escola 𝑗 0, caso contrário Explique o que representa
a inclusão das variáveis 𝑒𝑠𝑐𝑜𝑙𝑎𝑗 nesta regressão. Teste a significância conjunta dos efeitos
fixos das escolas. A inclusão destas variáveis altera as estimativas dos coeficientes de small e
aide? Interprete seus resultados. [1,0 ponto]

Para gerar as variáveis dummy para os diferentes tipos de escola, e então tentar controlar
um desses fatores não observáveis, utilizamos o comando que gera dummy no stata para a school
id, que mostra a identidade da escola. Além disso, o novo modelo seria idêntico ao anterior, ao
não ser pela adição de 78 dummys das 79 escolas geradas, uma vez que a inclusão de 79 levaria a
multicolinariedade.

Portanto, criamos a variável schoolid(n) no qual n varia de 1 até 79, indicando as 79

escolas e a variável assume valor 1 caso o aluno é da escola em questão e 0 caso contrário. Por
fim, o modelo estimado foi igual o anterior e incluindo 78 dessas variáveis dummys. O resultado
foi o seguinte:
 É perceptível, que o coeficiente que acompanha a variável small, a de maior interesse na
questão continua positivo, e inclusive aumentou. Dessa forma, a inclusão das dummys é
importante para tentar controlar a aleatoriedade condicional, e dessa forma, tirar possíveis viés e
inconsistências dos estimadores que estariam ligados ao fato do score do aluno ser relacionado
com a escola em si que estuda. No entanto, a inclusão dessas dummys não mudou o sinal do
coeficiente da variável small, portanto, ceteris paribus para um aluno em sala menor ainda é
esperado um score/aprendizado maior que para aluno em sala regular e então, continua-se
validando nossa hipótese econômica. O coeficiente de aide continua sendo irrelevante para uma
significância de 10%, mas seu valor muda de forma expressiva.

Interpretando o valor dos coeficientes chegamos que é esperado que o score de um aluno
em classe menor seja 7,83 pontos superior à de um aluno em classe regular, ceteris paribus, ou
seja, na mesma escola, com professores com mesmo ano de experiência e mesmas faltas. Já o
coeficiente aide, mostra que é esperado que o score de um aluno em classe regular com professor
assistente seja 0,79 pontos maior que em classe regular com um professor, ceteris paribus. O
valor pequeno indica também o fato da irrelevância do parâmetro, também constatada pelo alto
p-valor da estatística t.
2-E) Uma forma de checar se aleatorização dos estudantes foi bem-executada é estimar um
modelo de probabilidade linear que regrida small sobre as outras características
explicativas. Se a aleatorização foi bem-feita, podemos esperar coeficientes não
significativos nesta regressão. Por quê? Estime este modelo e discuta seus resultados. [1,0
ponto]

Regredindo small sobre as outras características explicativas, em um modelo de

probabilidade linear, são esperados que os coeficientes sejam não significativos. A aleatorização,
se bem-feita, deveria garantir não correlação do tamanho da sala do aluno com as características
observáveis, como anos de experiência do professor e quantidade de falta dos alunos. Ao estimar
o modelo de probabilidade linear regredindo small sobre tchexper, que mede os anos de
experiência do professor, e absent, que mede a quantidade de falta do aluno, encontramos os
seguintes resultados:

É perceptível que o p-valor relacionado a estatística z dos coeficientes de tchexper e

absent são baixos. A hipótese nula do teste seria que os coeficientes não são relevantes e a
hipótese alternativa que esses coeficientes são relevantes. Até mesmo com uma confiança de
97,5%, é possível afirmar que o p-valor é menor que o alfa, rejeitando a hipótese nula e
mostrando que com essa confiança os coeficientes são relevantes. Dessa forma- conclui-se que a
aleatorização não foi feita como se esperava. Isso pode ocorrer em amostras pequenas, uma vez
que quanto menor a amostra maior a chance de que mesmo escolhendo alunos, por exemplo, de
forma aleatória, a diferença de faltas seja alta. Como o experimento é limitado a essas salas de
aula, e foi muito difícil de efetuar mesmo com essa menor amostra, se entende que a
aleatorização seja falha em alguns aspectos.