Bill Eglinton Flores Maricahua

1) A tabela acoes_paises.ods apresenta os dados sobre a mudança percentual

por ano para preço de ações (Y) e preços (X) de consumo, para um corte
transversal de 20 países.
a) trace os dados em um diagrama de dispersão;
Gráfico 1. Diagrama de dispersão sobre a mudança percentual por ano para preço de
ações (Y) e preços (X)s
25
20
15
y
10
5
0

0 5 10 15 20 25
x

Fonte: STATA (2023)

b) Faca a regressão de Y contra X e examine os resíduos dessa regressão. O que você
observa? Apresente os resíduos em uma tabela.

Source SS df MS Number of obs = 20

F(1, 18) = 25.52
Model 293.425917 1 293.425917 Prob > F = 0.0001
Residual 206.976083 18 11.4986713 R-squared = 0.5864
Adj R-squared = 0.5634
Total 500.402 19 26.3369474 Root MSE = 3.391

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

x .7574334 .1499405 5.05 0.000 .44242 1.072447

_cons 4.610282 1.084906 4.25 0.000 2.33098 6.889584

Tabela 1. Resíduos da regressão Y X

Y X Resíduos
5 4.3 -2.867246
11.1 4.6 3.005524
3.2 2.4 -3.228122
7.9 2.4 1.471878
25.5 26.4 0.8934758
3.8 4.2 -3.991503
11.1 5.5 2.323834
9.9 4.7 1.729781
13.3 2.2 7.023365
1.5 4 -6.140016
6.4 4 -1.240016
8.9 8.4 -2.072723
8.1 3.3 0.9901876
13.5 4.7 5.329781
4.7 5.2 -3.848936
7.5 3.6 0.1629576
4.7 3.6 -2.637042
8 4 0.3599842
7.5 3.9 -0.0642724
9 2.1 2.799108
Fonte: Elaboração própria. STATA (2023)

Gráfico 2. Ploteamento dos residuos em relação a X

10
5
Residuals
0
-5

0 5 10 15 20 25
x

Fonte: STATA (2023)

Ao observar os resíduos se evidencia que o do Chile é o maior.

c) Uma vez que os dados do Chile parecem atípicos, repita a regressão em (b)
excluindo os dados do Chile. Agora examine os resíduos dessa regressão. O que se
observa?
Ao não considerar os dados atípicos do Chile, fazendo a regressão obtemos:

Source SS df MS Number of obs = 19

F(1, 17) = 0.16
Model 1.82712879 1 1.82712879 Prob > F = 0.6951
Residual 195.437082 17 11.4962989 R-squared = 0.0093
Adj R-squared = -0.0490
Total 197.264211 18 10.9591228 Root MSE = 3.3906

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

x .2214843 .5555682 0.40 0.695 -.9506621 1.393631

_cons 6.738082 2.38486 2.83 0.012 1.706468 11.7697
 Neste caso, observando (a) pode-se evidenciar que existe um coeficiente de
inclinação evidentemente significativo, mas quando se revisa a regressão isso não
acontece da mesma forma. Assim, quando se considera o outlier que é o ponto
extremo se pode afirmar que este fenômeno provoca uma distorção nos resultados da
regressão. Por tanto, para conhecer os resíduos ao quadrado desta regressão,
podemos plotear em relação a X para obter o seguinte gráfico:

Gráfico 3. Ploteando em relação a X para conhecer os resíduos ao quadrado da

regressão
10
5
Residuals
0
-5

2 4 6 8
x

Fonte: STATA (2023)

d) Se, com base nos resultados em (b), conclui-se que havia heterocedasticidade na
variância do erro, mas com base nos resultados em (c) essa conclusão e invalidada, a
que conclusões gerais você pode chegar?

e) Considerando que a variância do erro e proporcional a Xi2 E(ui2) =σ2 Xi2 proceda com
a correção do modelo.
Neste caso se tem que a varianca do erro é proporcial a Xi2 E(ui2) =σ2 Xi2; portanto,
devemos realizar uma transformação da seguinte forma:

Y β1 u
= + β 2+
X X X
1
= β1 + β +v
X 2 i
Onde vi é u/x
2
u 1
Assim, verifica-se que E ( v i ) =E( ) = 2 E ( u ) =σ
2 2 2
X X

3) Considere os dados do arquivo mus03data.dta. Esses dados são para analisar os

despesas com saúde para indivíduos de 65 anos ou mais, do programa US
Medicare.Os dados originais são do Medical Expenditure Panel Survey (MEPS). O
objetivo é analisar o impacto do seguro complementar sobre os gastos totais com
despesas médicas por indivíduos, medido em dólares e anualmente. Uma investigação
formal deve considerar variáveis que afetam as despesas com medicamentos, como:
idade, gênero, educação, renda, localização geográfica, estado de saúde (health-
status), presença de doenças crônicas (presence of chronic), condições limitadas
(limiting conditions).
a) Estime um modelo utilizando a variável ltotexp como variável dependente e
utilizando a lógica econômica escolha e justifique as variáveis independentes (máximo
de 7 variáveis).
b) Interprete os resultados.
c) Há problemas de multicolinearidade? Justifique.
d) Há problemas de heterocedasticidade
e) Caso não haja homecedasticia, faça a correção do modelo de forma que E(ui2)=σi2 .
f) Apresente o gráfico com os resíduos antes e depois da correção do modelo.

4. Suponha que y t= α + β yt-1 + u t, em que {u t } é independente e igualmente

distribuído, com distribuição normal de média zero e variância σ . Sabe-se que α = 35,
β = 3/5 e σ2=2. Você é informado de que y2= 50. Determine a melhor previsão para y4
Neste caso, devemos considerar em primeiro lugar a previsão linear para y 3, assim
mesmo se deve tomar em conta os cálculos a partir do critério do erro quadrático
médio, considerando que t=2 e observando que a esperando condicional que
procuramos também estão associados a y3 e y2. Então, operando obtemos:
y 3=E ( y 3| y 2) =E ( α + β y 2 +u3 ∨ y 2 )=E ( α | y 2 ) + E ( β y 2| y 2) + E ( u2| y 2 )=α + β y 2+0
^

Substituindo:
α e β , temos que:
3
y 3=35+ ( 50 )=35+30=65
^
5
^
y 3=65

Logo, vamos a procurar ^y 4 através o critério do erro quadrático médio, dado que se
considera como melhor previsor para y3. Por conseguinte:
y 4 =E ( y 4| y 2) =E ( α + β y 3 +u 4∨ y 2 ) =E ( α| y 2) + E ( β y 3| y 2 ) + E ( u 4| y 2 )=α + β y 3+ 0
^

Substituindo:
3
α + β y 3 +0=35+ ( 65 )=74
5
^
y 4 =74

5) Utilize o comando bcuse rental para este exercício. Os dados sobre preços de
aluguel e outras variáveis referentes as cidades universitárias para os anos 1980 e
1990. A idéia é verificar se uma maior presença de estudantes afeta as taxas de
aluguel. Estime o seguinte modelo:
logrentit=β0+δ0y90t +β1log popit+β2log avgincit+β3 pctstuit+vit
vit=ai+uit
onde pop é população da cidade, avginc é renda média, e pctstu é população estudantil
como percentual da população da cidade (durante o ano letivo).
La ecuación del modelo se vuelve un modelo de efectos aleatorios cuando se entiende
que el efecto inobservable ai no se correlaciona con ninguna variable explicativa
presente. Por tanto, tenemos que:
Cov ( X itj , ai )=0, t=1 , 2, … , T ; j=1 ,2 , ... , k

a) Estimar a equação o Modelo de efeitos aleatórios. Como você faz para estimar
variável de 1990? O que você tem a dizer sobre pctstu?
Estimando a variável de 1990 ou y90
Entrada em Stata:
. iis city
. tis year
. reg lrent y90 lpop lavginc pctstu

^
lrent=−0.569+ 0.262 y 90+ 0.041lpop +0,571 lavginc+ 0.0050 pctstu
(0.535) (0.035) (0.023) (0.053) (0.0010)

Estimación de los efectos aleatorios:

xtreg lrent y90 lpop lavginc pctstu,re
Tabla. Dos estimadores de una ecuación de renta
Variable independiente MCO combinados Efectos Aleatorios
y90 0.262 0.323
(0.035) (0.03)

lpop 0.041 0.056

(0.023) (0.03)
lavginc 0,571 0.447
(0.053) (0.051)
pctstu 0.0050 0.005
(0.0010) (0.001)

Fuente: Elaboración propia basado en Stata (2023)

Al respecto, se puede mencionar que el coeficiente y90 es positivo, además de

significativo; puesto que, manteniendo todo igual en los demás elementos de la
ecuación, se tiene que los alquileres nominales crecieron un total de 26% durante 10
años. Por otro lado, el coeficiente pctstu indica que un aumento significativo de un
determinado punto incide en el incremento del alquiler en un 5%. Además, si
observamos el t de pctstu de 4.95 que redondeando da 5, se puede afirmar que es
significativo.
 b) Os erros padrão estimados são válidos? Explique.
En este caso, los errores estándar no son válidos, en contraste de que coloquemos
a ai como no presente en la ecuación. Así, si a i aparece en el término de error,
entonces los errores por medio de los dos periodos considerado para cada ciudad
están intrínsecamente correlacionados de forma positiva; en consecuencia, esta
situación invalida los errores estándar además de los t característicos del MCO.

c) Faças os testes de Hausmann, Chow e o teste de LM.

Teste Hausmann
Teste de Chow
Teste LM