‭UNIVERSIDADE ESTADUAL DE LONDRINA‬

‭CENTRO DE ESTUDOS SOCIAIS APLICADOS‬

‭DEPARTAMENTO DE ECONOMIA‬

‭Questões sobre variáveis‬‭dummies‬‭– Econometria – Prof. Carlos Roberto‬

‭ – Qual o significado de categoria-base, de controle ou de‬

1
‭referência?‬

‭ ‬‭:‬ ‭A‬ ‭categoria-base‬ ‭é‬ ‭a‬ ‭categoria‬ ‭para‬‭qual‬‭não‬‭se‬‭designa‬‭uma‬‭variável‬‭binária,‬ ‭ela‬‭é‬

R
‭escolhida‬ ‭como‬ ‭ponto‬ ‭de‬ ‭referência‬ ‭para‬ ‭comparação‬ ‭com‬ ‭as‬ ‭outras‬ ‭variáveis,‬ ‭por‬
‭tanto, todas as comparações são feitas em relação a ela.‬
‭ – Quando suprimimos o intercepto e permitimos uma variável binária para cada‬
2
‭categoria, como são interpretados os estimadores?‬
‭ :‬‭Suprimimos o intercepto para escaparmos da armadilha da variável binária, fazemos‬
R
‭isso pois deixamos de ter a colinearidade perfeita, assim podendo incluir tantas‬
‭variáveis binárias foram as categorias, desde que não se inclua o intercepto no modelo.‬
‭ interpretação do modelo se altera, pois ao suprimir o intercepto e incluir uma nova‬
A
‭variável binária para cada categoria, obtemos diretamente os valores médios das‬
‭diversas categorias.‬

‭ – O que se entende por efeitos de interação usando variáveis‬

3
‭dummies‬‭?‬
‭ :‬ ‭Os‬ ‭efeitos‬ ‭de‬ ‭interação‬‭usando‬‭variáveis‬‭dummies‬‭referem-se‬‭à‬‭influência‬‭conjunta‬
R
‭de‬‭duas‬‭variáveis‬‭qualitativas‬‭no‬‭resultado‬‭de‬‭uma‬‭variável‬‭dependente‬‭em‬‭um‬‭modelo‬
‭de‬ ‭regressão.‬ ‭A‬ ‭variável‬ ‭de‬ ‭interação‬ ‭nos‬ ‭mostra‬ ‭o‬ ‭efeito‬ ‭conjunto‬ ‭das‬ ‭variáveis‬
‭individuais, permitindo modelar relações mais complexas nos dados.‬
‭Ex: Considere a equação‬‭Y‬‭t‬‭= α‬‭1‬‭+α‬‭2‭D ‬ ‭t‬ ‬‭+α‬‭3‭D
‬ ‭2 ‬ ‭t‬ ‬ ‭+ βX‬‭t‬‭+ u‬‭t‬
‬ ‭3

‭Y = Salário-hora (US$)‬
‭X = escolaridade (anos)‬
‭D2 = 1 mulheres D2 = 0 homens‬
‭D3 = 1 não brancos e hispânicos D3 = 0 outros‬
‭ aso‬‭queiramos‬‭observar‬‭o‬‭efeito‬‭de‬‭ser‬‭mulher‬‭não‬‭branca/‬‭hispânica,‬‭modificamos‬‭a‬
C
‭equação‬‭para,‬‭Y‭t‬‬‭=‬‭α‬‭1‬‭+α‬‭2‭D ‬ ‭t‬ ‬‭+α‬‭3‭D
‬ ‭2 ‬ ‭t‬ ‬ ‭+‬‭α‭4‬ ‭(‬ ‭D
‬ ‭3 ‬ ‭2‬ ‭t‬ ‬‭D‭3‬ ‭t‬ ‬‭)‬‭+‬‭βX‬‭t‬‭+‬‭u‭t‬‬‭.‬ ‭Onde‬‭α4‬‭=efeito‬‭de‬‭ser‬‭mulher‬
‭não branca/ hispânica.‬
‭4-Para que serve o teste de Chow?‬

‭ :‬‭O teste de Chow é utilizado para avaliar se houve mudança estrutural significativa nos‬
R
‭parâmetros do modelo em diferentes períodos de tempo ou em diferentes grupos.‬

‭5-Qual a limitação do teste de Chow?‬

‭ :‬‭1° - As premissas que embasam o teste devem ser respeitadas. É preciso verificar se‬
R
‭as variâncias dos erros das regressões são iguais.‬

‭ ° - O teste de Chow apenas nos diz se as regressões em pauta são diferentes, sem‬
2
‭identificar se essas diferenças decorrem dos interceptos, dos coeficientes angulares ou‬
‭ambos.‬

‭3° - O teste de Chow pressupõe que conhecemos os pontos de quebra estrutural.‬

‭ -Escreva‬‭uma‬‭equação‬‭econométrica‬‭demonstrando‬‭como‬‭a‬‭variável‬‭binária‬‭identifica‬
6
‭a‬ ‭origem‬ ‭da‬ ‭diferença‬ ‭entre‬ ‭duas‬ ‭situações,‬ ‭através‬ ‭do‬ ‭intercepto,‬ ‭do‬ ‭coeficiente‬
‭angular ou de ambos? Utilize também a esperança matemática, supondo que E(u) = 0.‬
‭R:‬ ‭Considerando‬ ‭E(u)‬ ‭=‬ ‭0,‬ ‭podemos‬ ‭escrever‬ ‭a‬ ‭equação‬ ‭econométrica‬ ‭da‬ ‭seguinte‬
‭forma;‬
‭Y‭t‬‬‭= β‬‭1‬‭+‬‭β‬‭2‬‭D‭2‬ ‭+‬ ‬‭β‬‭3‬‭D‭3‬ ‭+‬ u‬‭i‬

‭Onde:‬

‭ ‬ Y‭ = a variavel dependente‬
●
‭●‬ ‭β‭1‬ ‬‭= é o intercepto e o valor médio de Y, quando D = 0‬
‭●‬ ‭β‬‭2‬ e‭ ‬‭β‬‭3‬ ‭=‬‭são‬‭os‬‭coeficientes‬‭associados‬‭às‬‭variáveis‬‭binárias‬‭Di,‬‭representando‬‭a‬
‭diferença esperada em Y quando D muda de 0 para 1.‬
‭●‬ ‭D‭2‬ ‬ ‭e‬ ‭D‭3‬ ‬ ‭=‬ ‭é‬ ‭a‬ ‭variável‬ ‭binária‬ ‭que‬ ‭indica‬ ‭a‬ ‭situação‬ ‭(por‬ ‭exemplo,‬ ‭0‬ ‭para‬ ‭uma‬
‭situação e 1 para outra).‬

‭ or‬‭tanto‬‭quando‬‭D‬‭=‬‭0,‬‭o‬‭valor‬‭de‬‭Y‬‭é‬‭E(‬‭Y|‬‭D‬‭=‬‭0)‬‭=‬‭β1.‬‭Quando‬‭D‬‭=‬‭1‬‭o‬‭valor‬‭de‬‭Y‬‭é‬ ‭E(‬
P
‭Y| D = 1) = β‬‭1‬‭+‬‭β‬‭2‬‭+‬‭β‬‭3.‬
‭ -Dado a equação Y‬‭t‬‭= α‬‭1‬‭+‬‭α‬‭2‬‭D‭t‬‬‭+ β‬‭1‭X
7 ‬ ‭t‬‬‭+ β‬‭2‭(
‬ D‬‭t‬‭X‬‭t‬‭) + u‬‭t‬ ‭. O que é intercepto diferencial? O‬
‭que é coeficiente angular diferencial?‬

‭ :‬ ‭α‬‭1‬ ‭é‬ ‭o‬ ‭intercepto‬ ‭diferencial,‬ ‭e‬‭β‬‭2‬ ‭é‬‭o‬‭coeficiente‬‭angular‬‭diferencial,‬‭que‬‭indica‬‭de‬

R
‭quanto‬‭o‬‭coeficiente‬‭angular‬‭da‬‭função‬‭poupança‬‭do‬‭segundo‬‭período‬‭se‬‭diferencia‬‭do‬
‭primeiro período.‬

‭ -Quais as vantagens do método de variáveis binárias‬

8
‭Y‭t‬‬‭= α‬‭1‬‭+‬‭α‬‭2‬‭D‭t‬‬‭+ β‬‭1‭X
‬ ‬‭t‬‭+ β‬‭2‭(
‬ D‬‭t‬‭X‬‭t‬‭) + u‬‭t‬ ‭sobre o teste de Chow? Suponha que no teste de‬
‭Chow tem-se que estimar:‬
‭1) equação do período completo (‬‭Y‭t‬‭=‬ α‬‭1‬‭+α‬‭2‭X ‬ ‬‭t‬‭+‬‭u‭t‬‭) ‬ ;‬
‭2) equação do primeiro período (‬‭Y‬‭t‭=‬ λ‬‭1‬‭+ λ‬‭2‭X ‬ ‬‭t‬‭+‭u
‬ ‭t‬‭)‬ ;‬
‭3) equação do segundo período (‬‭Y‭t‬‭=‬ γ‬‭1‬‭+ γ‬‭2‭X ‬ ‭t‬‬‭+‬‭u‭t‬‭) ‬ ;‬
‭R:‬‭As vantagens de utilizar variáveis binárias seriam;‬

‭ °‬‭-‬‭Precisamos‬‭efetuar‬‭apenas‬‭uma‬‭regressão‬‭porque‬‭as‬‭regressões‬‭individuais‬‭podem‬
1
‭ser derivadas facilmente dela;‬
‭2³‬‭-‬‭A‬‭regressão‬‭Y‭t‬‬‭=‬‭α‬‭1‬‭+‬‭α‭2‬ ‬‭D‭t‬‬‭+‬‭β‬‭1‭X
‬ ‭t‬‬‭+‬‭β‬‭2‭(
‬ D‬‭t‬‭X‬‭t‬‭)‬‭+‬‭ut,‬‭pode‬‭ser‬‭usada‬‭para‬‭o‬‭teste‬‭de‬‭várias‬
‭hipóteses‬
‭3°‬‭-‬‭A‬‭abordagem‬‭das‬‭variáveis‬‭binárias‬‭nos‬‭revela‬‭a‬‭diferença‬‭se‬‭são‬‭os‬‭coeficientes‬‭do‬
‭intercepto ou os angulares, ou se são ambos.‬
‭4³‬ ‭-‬ ‭Com‬ ‭o‬ ‭uso‬‭de‬‭variáveis‬‭binárias‬‭pode‬‭utilizar‬‭todas‬‭as‬‭observações‬‭em‬‭uma‬‭única‬
‭regressão,‬‭apenas‬‭aumentando‬‭os‬‭graus‬‭de‬‭liberdade,‬‭que‬‭também‬‭aumenta‬‭a‬‭precisão‬
‭relativa dos parâmetros‬

‭ -Seja‬ ‭o‬ ‭método‬ ‭de‬ ‭variáveis‬ ‭binária‬ ‭para‬ ‭dessazonalizar‬ ‭uma‬ ‭série.‬ ‭Considere‬ ‭as‬
9
‭vendas‬‭de‬ ‭lavadoras‬‭de‬‭pratos‬‭entre‬‭o‬‭primeiro‬‭trimestre‬‭de‬‭1978‬‭ao‬‭quarto‬‭trimestre‬
‭de‬‭1985.‬‭O‬ ‭modelo‬‭será:‬‭Y‬‭t‭=‬ α‬‭1‬‭+α‬‭2‭D ‬ ‭t‬ ‬‭+α‬‭3‭D
‬ ‭2 ‬ ‭t‬ ‬‭+α‬‭4‭D
‬ ‭3 ‬ ‭t‬ ‬‭+‬‭u‭t‬‭,‬ ‬‭em‬‭que‬‭Y‬‭t‬‭=‬‭vendas‬‭de‬‭lavadoras‬
‬ ‭4
‭de‬ ‭pratos‬‭e‬‭os‬‭D‬‭são‬‭as‬‭variáveis‬‭binárias,‬‭assumindo‬‭o‬‭valor‬‭1‬‭no‬‭trimestre‬‭relevante‬‭e‬
‭0‬‭nos‬ ‭demais.‬‭Após‬‭a‬‭obtenção‬‭da‬‭equação‬‭estimada,‬‭como‬‭identificar‬‭se‬‭houve‬‭efeito‬
‭sazonal em dado trimestre? (veja tabela 9.4)‬
‭R:‬ ‭Realizando‬ ‭os‬ ‭cálculos‬ ‭utilizados‬ ‭os‬ ‭dados‬ ‭obtidos‬ ‭na‬ ‭tabela‬ ‭9.4,‬ ‭obtivemos‬ ‭a‬
‭regressão‬‭abaixo.Podemos‬‭identificar‬‭o‬‭efeito‬‭sazonal‬‭em‬‭um‬‭dado‬‭trimestre‬‭através‬‭do‬
‭teste‬ ‭T,‬ ‭se‬ ‭durante‬ ‭o‬ ‭teste‬ ‭o‬ ‭valor‬ ‭se‬ ‭apresentar‬ ‭estatisticamente‬ ‭significativo‬ ‭do‬
‭coeficiente‬‭binário‬‭associado.‬‭Portanto,‬‭de‬‭acordo‬‭com‬‭o‬‭valor‬‭p,‬‭apenas‬‭α‬‭4‬‭não‬‭possui‬
‭o efeito sazonal.‬
 ‭ 0-Explique o significado de armadilha das variáveis binárias, levando em consideração‬
1
‭uma variável qualitativa e três categorias.‬
‭R:‬‭A‬‭armadilha‬‭de‬‭variáveis‬‭binárias‬‭se‬‭refere‬‭a‬‭uma‬‭situação‬‭em‬‭que‬‭variáveis‬‭dummy‬
‭são‬‭usadas‬‭para‬‭representar‬‭uma‬‭variável‬‭qualitativa‬‭com‬‭três‬‭ou‬‭mais‬‭categorias,‬‭e‬‭isso‬
‭pode levar a problemas de multicolinearidade perfeita.‬
‭Se‬‭considerarmos‬‭uma‬‭variável‬‭qualitativa‬‭com‬‭três‬‭categorias,‬‭por‬‭exemplo‬‭A,‬‭B‬‭e‬‭C.‬‭Ao‬
‭representar usando variáveis dummy, teremos;‬
‭D1‬‭: 1 se a observação for B, 0 caso for alguma outra‬
‭D2‬‭: 1 se a observação for C, 0 caso for alguma outra‬

‭ odemos cair na armadilha se incluirmos mais uma variável dummy, como por exemplo;‬
P
‭D3‬‭: 1 se a observação for A, 0 caso for alguma outra observação.‬

‭ ‬‭problema‬‭acontece‬‭devido‬‭ao‬‭acréscimo‬‭de‬‭mais‬‭uma‬‭variável‬‭no‬‭modelo,‬‭ocorrendo‬
O
‭uma‬ ‭relação‬ ‭linear‬ ‭perfeita‬ ‭entre‬‭elas,‬‭resultando‬‭em‬‭multicolinearidade‬‭perfeita.‬‭Isso‬
‭ocorre porque, se‬‭D1‬‭=0 e‬‭D2‬‭= 0,‬‭D3‬ ‭automaticamente apresentará o valor 1.‬

‭11-Seja a seguinte equação:‬

‭Y‬‭i‬‭= α‬‭1‬‭+ α‬‭2‭D
‬ ‭t‬‬‭+ β‬‭1‭X
‬ ‬‭t‬‭+ β‬‭2‬ ‭(‭D
‬ ‭t‬‭X
‬ ‬‭t‬‭) +‬‭u‭t‬‬
‭Onde:‬
‭Y = variável dependente‬
‭X = variável independente quantitativa‬
‭D = variável binária ou qualitativa‬
 ‭ aseado na equação acima, quais são as quatro possibilidades de obtermos equações‬
B
‭de regressão. Demonstre as equações e os respectivos gráficos.‬
‭R:‬‭E(Y|D = 0, X‬‭t‭)‬ = α‬‭1‬‭+β‬‭1‭X
‬ ‬‭t‬‭+ u‬‭t‬

‭E(Y|D = 1, X‬‭t‭)‬ = (α‬‭1‬‭+α‬‭2‬‭) + (β‬‭1‬‭+ β‬‭2‭)‬ X‬‭t‭+‬ u‬‭t‬

‭Y‭i‬‬‭= α‬‭1‬‭+ β‬‭1‭X
‬ ‬‭t‭+
‬ u‬‭t‬ ‭Y‬‭i‬‭= (α‬‭1‬‭+α‬‭2‬‭)+ β‬‭1‭X
‬ ‬‭t‭+
‬ u‬‭t‬

‭Y‭i‬‬‭= α‬‭1‬‭+ (β‬‭1‬‭+ β‬‭2‭)‬ X‬‭t‭+‬ u‬‭t‬ ‭Y‭i‬‬‭= (α‬‭1‬‭+α‬‭2‬‭) + (β‬‭1‬‭+ β‬‭2‭)‬ X‬‭t‭+‬ ‬
‭u‭t‬‬

Y‭ ‭i‬‬‭= λ1 + λ2X‬‭t‬ ‭→ Y‬‭i‬‭= α‬‭1‬‭+ β‬‭1‭X

‬ ‭t‬‭+
‬ u‬‭t‬

‭Y‭i‬‬‭= Ɣ1 + Ɣ2X‬‭t‬ ‭→ Y‬‭i‬‭= (α‬‭1‬‭+α‬‭2‬‭) + (β‬‭1‬‭+ β‬‭2‭)‬ X‬‭t‭+‬ u‬‭t‬

‭λ1 = ∝1 Ɣ1 = (α1+α2)‬
‭λ2= β1 Ɣ2 = (β1+β2)‬

‭ 2-Dado uma regressão linear segmentada, Y‬‭i‬‭= α‬‭1‬ ‭+ β‬‭1‭X

1 ‬ ‬‭i‬‭+ β‬‭2‭(
‬ X‬‭i‬‭− X*)D‬‭i‬‭+ u‬‭i‬ ‭, como‬
‭pode-se testar a hipótese de que não há quebra na linha de regressão no limiar‬‭X‬‭*‭?‬ ‬
‭R:‬‭Para verificar a hipótese de que não há quebra na linha de regressão no limiar X*,‬
‭devemos verificar a significância estatística do coeficiente angular diferencial estimado,‬
‭no caso β‬‭2‬
 ‭ 3 – Seja a seguinte tabela:‬
1
‭Tabela‬ ‭–‬ ‭Brasil‬ ‭–‬ ‭Índices‬ ‭da‬ ‭quantidade‬ ‭demandada‬ ‭(Q)‬ ‭e‬ ‭da‬ ‭tarifa‬ ‭real‬ ‭média‬ ‭(T)‬ ‭de‬
‭energia‬ ‭elétrica,‬‭do‬‭produto‬‭real‬‭(Y),‬‭é‬‭variável‬‭dummy‬‭indicativa‬‭do‬‭efeito‬‭do‬‭horário‬
‭de verão (D), 1981 a 1990.‬

‭Pede-se:‬
‭a) Estimar a equação de demanda por energia elétrica, usando a forma‬
‭linear;‬
‭Q = 5,732 - 0,26447 T‬‭i‬ ‭+ 1,2659 Y‬‭i‬ ‭- 0,59584 D‬‭i‬
‭t (0,1415) (-2,6791) (2,8189) (-0,0693)‬
‭Valor p (0,892) (0,0365) (0,0303) (0,9469)‬
‭R² = 0,9320‬
‭b) Elaborar o quadro de análise de variância;‬
‭R:‬

c‭ ) Obtenha a matriz de variância e covariância;‬

‭R:‬
‭ ) Calcular e interpretar a variância residual e o coeficiente de‬
d
‭determinação;‬
‭ :‬‭A‬‭variância‬‭da‬‭regressão‬‭é‬‭σ²=‬‭25,3684,‬‭nos‬‭indica‬‭que‬‭a‬‭dispersão‬‭dos‬‭resíduos‬
R
‭do modelo é em média de 25,36.‬
‭ ‬ ‭coeficiente‬ ‭de‬ ‭determinação‬ ‭é‬ ‭R²‬ ‭=‬ ‭0,9320,‬ ‭o‬ ‭que‬ ‭indica‬ ‭que‬ ‭as‬ ‭variação‬ ‭da‬
O
‭variável‬ ‭dependente‬ ‭é‬ ‭explicada‬ ‭em‬ ‭93,20%‬ ‭pelas‬ ‭variáveis‬ ‭independentes‬ ‭e‬ ‭a‬
‭variável binária.‬

e‭ ) Calcular e interpretar a estatística‬‭F‬‭e realizar o teste de hipótese, com‬

‭uma probabilidade de erro de 5%;‬
‭R:‬
‭H0:‬‭Q = T = Y F = 4,75‬
‭Ha:‬‭Q ≠ T ≠ Y Fc = 27,44‬
‭ omo‬ ‭o‬ ‭Fc‬ ‭>‬ ‭F,‬ ‭rejeitamos‬ ‭a‬ ‭hipótese‬ ‭H0‬ ‭a‬ ‭uma‬ ‭probabilidade‬ ‭de‬ ‭erro‬ ‭de‬ ‭5%,‬
C
‭portanto pelo menos uma das variáveis possuem significância estatística.‬

‭f) Calcular e interpretar a estatística‬‭t‬‭e realizar o teste de hipótese do efeito de‬

‭cada X, com uma probabilidade de erro de 5%;‬
‭ :‬ ‭Observando‬ ‭o‬ ‭valor‬ ‭-‬ ‭p,‬ ‭podemos‬‭avaliar‬‭a‬‭significância‬‭estatística‬‭para‬‭cada‬
R
‭coeficiente.‬
‭Q = 5,732 - 0,26447 T‬‭i‬ ‭+ 1,2659 Y‬‭i‬ ‭- 0,59584 D‬‭i‬
‭t (0,1415) (-2,6791) (2,8189) (-0,0693)‬
‭Valor p (0,892) (0,0365) (0,0303) (0,9469) R² = 0,9320‬
‭ onforme observado nos valores -p obtidos pela regressão, apenas os‬
C
‭coeficientes T‬‭i‬‭e Y‬‭i‬ ‭possuem significância estatística‬

‭g) Calcular e interpretar os intervalos de confiança para os parâmetros associados aos X,‬
‭com nível de probabilidade de 95%;‬
‭R:‬

‭O‬ ‭intervalo‬ ‭de‬ ‭confiança‬ ‭do‬ ‭coeficiente‬ ‭β1‬ ‭no‬ ‭diz‬ ‭a‬ ‭probabilidade‬ ‭de‬ ‭o‬ ‭verdadeiro‬
 ‭ arâmetro‬ ‭β1‬ ‭pertencer‬ ‭ao‬ ‭intervalo‬ ‭de‬ ‭confiança‬ ‭calculado‬ ‭é‬‭de‬‭no‬‭mínimo‬‭de‬
p
‭95%.‬ ‭O‬ ‭valor‬ ‭0‬ ‭está‬ ‭presente‬ ‭ao‬ ‭intervalo‬ ‭de‬ ‭confiança,‬ ‭o‬ ‭que‬ ‭corrobora‬‭com‬‭a‬
‭conclusão‬‭do‬‭teste‬‭t‬‭de‬‭que‬‭H0‬‭=‬‭0‬‭deve‬‭ser‬‭aceita‬‭com‬‭uma‬‭probabilidade‬‭de‬‭erro‬
‭de 5%.‬
‭O‬ ‭intervalo‬ ‭de‬ ‭confiança‬ ‭do‬ ‭coeficiente‬ ‭β2‬ ‭no‬ ‭diz‬ ‭a‬ ‭probabilidade‬ ‭de‬ ‭o‬ ‭verdadeiro‬
‭parâmetro‬ ‭β2‬ ‭pertencer‬ ‭ao‬ ‭intervalo‬ ‭de‬ ‭confiança‬ ‭calculado‬ ‭é‬‭de‬‭no‬‭mínimo‬‭de‬
‭95%.‬‭O‬‭valor‬‭0‬‭não‬‭está‬‭presente‬‭ao‬‭intervalo‬‭de‬‭confiança,‬‭o‬‭que‬‭corrobora‬‭com‬
‭a‬‭conclusão‬‭do‬‭teste‬‭t‬‭de‬‭que‬‭H0‬‭=‬‭0‬‭deve‬‭ser‬‭rejeitado‬‭com‬‭uma‬‭probabilidade‬‭de‬
‭erro de 5%.‬
‭O‬ ‭intervalo‬ ‭de‬ ‭confiança‬ ‭do‬ ‭coeficiente‬ ‭β3‬ ‭no‬ ‭diz‬ ‭a‬ ‭probabilidade‬ ‭de‬ ‭o‬ ‭verdadeiro‬
‭parâmetro‬ ‭β3‬ ‭pertencer‬ ‭ao‬ ‭intervalo‬ ‭de‬ ‭confiança‬ ‭calculado‬ ‭é‬‭de‬‭no‬‭mínimo‬‭de‬
‭95%.‬‭O‬‭valor‬‭0‬‭não‬‭está‬‭presente‬‭ao‬‭intervalo‬‭de‬‭confiança,‬‭o‬‭que‬‭corrobora‬‭com‬
‭a‬‭conclusão‬‭do‬‭teste‬‭t‬‭de‬‭que‬‭H0‬‭=‬‭0‬‭deve‬‭ser‬‭rejeitado‬‭com‬‭uma‬‭probabilidade‬‭de‬
‭erro de 5%.‬
‭O‬ ‭intervalo‬ ‭de‬ ‭confiança‬ ‭do‬ ‭coeficiente‬ ‭β4‬ ‭no‬ ‭diz‬ ‭a‬ ‭probabilidade‬ ‭de‬ ‭o‬ ‭verdadeiro‬
‭parâmetro‬ ‭β4‬ ‭pertencer‬ ‭ao‬ ‭intervalo‬ ‭de‬ ‭confiança‬ ‭calculado‬ ‭é‬‭de‬‭no‬‭mínimo‬‭de‬
‭95%.‬‭O‬‭valor‬‭0‬‭não‬‭está‬‭presente‬‭ao‬‭intervalo‬‭de‬‭confiança,‬‭o‬‭que‬‭corrobora‬‭com‬
‭a‬ ‭conclusão‬ ‭do‬ ‭teste‬‭t‬‭de‬‭que‬‭H0‬‭=‬‭0‬‭deve‬‭ser‬‭aceito‬‭com‬‭uma‬‭probabilidade‬‭de‬
‭erro de 5%.‬

‭ ) Calcular as correlações simples;‬

h
‭R:‬

i‭) Analisar os resultados obtidos.‬

‭R:‬ ‭Analisando‬ ‭os‬ ‭dados‬ ‭que‬ ‭objetivos‬ ‭através‬ ‭do‬ ‭valor‬ ‭-‬ ‭p,‬ ‭podemos‬ ‭concluir‬ ‭que‬ ‭como‬
‭apenas dois dos coeficientes apresentaram significância estatística no teste t.‬
‭O‬ ‭valor‬ ‭de‬ ‭Qui-quadrado²‬ ‭=‬ ‭3,788[0,1505]‬ ‭nos‬ ‭mostra‬ ‭que‬ ‭os‬ ‭erros‬ ‭não‬ ‭possuem‬
‭distribuição normal.‬
‭Apesar do valor de R² = 0,9320, ser considerado um excelente valor.‬

‭Portanto‬ ‭podemos‬ ‭concluir‬ ‭que‬ ‭a‬ ‭equação‬ ‭não‬ ‭estão‬ ‭corretamente‬ ‭ajustada,‬ ‭assim‬ ‭não‬
‭ odemos considerá-la uma boa equação de regressão.‬
p
‭ 4–‬ ‭Numa‬ ‭empresa,‬ ‭quer-se‬ ‭investigar‬ ‭se‬ ‭há‬ ‭discriminação‬ ‭de‬ ‭salários‬ ‭entre‬ ‭homens‬ ‭e‬
1
‭mulheres‬ ‭e,‬ ‭para‬ ‭isso,‬ ‭observou-se‬ ‭o‬ ‭salário‬ ‭de‬ ‭20‬ ‭trabalhadores‬ ‭de‬ ‭um‬ ‭mesmo‬ ‭setor,‬ ‭entre‬
‭qualificados‬ ‭e‬ ‭não‬ ‭qualificados,‬ ‭bem‬‭como‬‭o‬‭tempo‬‭em‬‭que‬‭estavam‬‭empregados.‬‭Com‬‭esses‬
‭dados,‬ ‭faça‬ ‭uma‬ ‭regressão‬ ‭buscando‬ ‭obter‬ ‭uma‬ ‭resposta‬ ‭à‬ ‭questão‬ ‭da‬ ‭existência‬ ‭ou‬ ‭não‬ ‭de‬
‭discrimina‬

‭R:‬

‭ onforme‬ ‭a‬ ‭regressão‬ ‭apresentada‬ ‭acima,‬ ‭se‬ ‭observarmos‬ ‭o‬ ‭valor‬ ‭-‬ ‭p‬ ‭das‬‭variáveis‬‭binárias,‬
C
‭podemos‬ ‭perceber‬ ‭que‬ ‭a‬ ‭a‬ ‭variaveis‬ ‭Sexo‬ ‭não‬ ‭possui‬ ‭relevancia‬ ‭estatistica,‬ ‭portanto‬ ‭sua‬
‭influencia‬ ‭no‬ ‭salário‬ ‭é‬ ‭nula‬ ‭estatisticamente‬ ‭falando.‬ ‭Assim‬ ‭podemos‬ ‭afirmar‬ ‭que‬ ‭dentro‬ ‭da‬
‭empresa‬ ‭não há descriminação por diferença de sexo.‬