UNIVERSIDADE FEDERAL FLUMINENSE FACULDADE DE ECONOMIA LABORATRIO DE ECONOMETRIA I Tutora Marina Aguas - Prof. Danielle LISTA DE EXERCCIOS II 1.

. (Wooldridge, exerccio 2.1) Seja filhos o nmero de filhos de uma mulher e educ os anos de educao da mulher. Um modelo simples que relaciona a fertilidade a anos de educao : filhos = 0 + 1.educ + u , em que u um erro no-observvel. (a) Que tipos de fatores podem estar includos em u? provvel que estejam correlacionados com o nvel de educao? Explique. Resposta: A resposta para essa questo subjetiva, voc pode incluir qualquer fator que quiser desde que possa dar uma explicao plausvel para sua resposta. Ex: idade da mulher, renda da famlia, etc. O ideal que esses fatores no sejam correlacionados com o regressor (educ) para que o estimador 1 no seja viesado. Caso houvesse correlao 1 iria captar um efeito que deveria estar contido apenas no erro. (b) Uma anlise de regresso simples mostrar o efeito ceteris paribus da educao sobre a fertilidade? Explique. Resposta: Este efeito somente seria garantido se no existissem fatores no termo de erro (u) que fossem correlacionados com a educao da me e que influssem no nmero de filhos que ela tem. Ou seja, a hiptese de que o termo de erro e o regresso x so independentes (E(u/x)=E(u)). Ex: religio da me, renda da famlia da me, etc. O efeito ceteris paribus somente seria garantido se ao variar a educao tivssemos certeza que o resto estaria constante. 2. (Wooldridge, exerccio 2.4) Os dados de um arquivo BWGHT.RAW contm dados de nascimentos por mulheres nos Estados Unidos. As duas variveis de interesse so: a varivel dependente, peso dos recm-nascidos em onas (1 ona = 31 gramas), pesonas, e a varivel explicativa, nmero mdio de cigarros que a me fumou por dia durante a gravidez, cigs. A seguinte regresso simples foi estimada usando dados de n = 1.388 nascimentos:

^ pesonas = 119,77 0,514.cigs

(a) Qual o peso do nascimento previsto quando cigs = 0? E quando cigs = 20 (um mao por dia)? Comente a diferena. Resposta: Para cigs = 0:

pesonas = 119,77 0,514.0 = 119,77 pesonas = 119,77 0,514.20 = 109,49

^

Para cigs = 20,

O nmero mdio de cigarros que a me fumou por dia durante a gravidez ( cigs) tem um efeito negativo sobre o peso dos recm nascidos. Quando a me no fuma nada, o peso estimado do recm nascido de 119,77, mas quando ela fuma 1 mao (que contm 20 cigarros), este peso estimado cai para 109,49. (b) O modelo de regresso simples necessariamente captura uma relao causal entre o peso de nascimento da criana e os hbitos de fumar da me? Explique. Resposta: No necessariamente, pode apenas estar demonstrando as relaes entre essas duas variveis (cigs e pesonasc). (c) Para prever um peso de nascimento de 125 onas, qual deveria ser a magnitude de cigs? Comente. Resposta:
125 =119,77 0,514.cigs cigs = 10,175

A magnitude deveria ser negativa, o que em termos prticos no existe, pois no h quantidades negativas demandadas de cigarros. O que poderia estar acontecendo que o modelo no est estimando adequadamente o intercepto para este caso, pois devem existir poucas informaes na amostra cujo peso de nascimento do beb seja prximo a 125 onas (que corresponde a 3.875 gramas). Isto pode acontecer, sendo um indicativo de que h algo que pode estar errado: poucas informaes, modelo no adequado, etc.

3. (Wooldridge, 2.2) No modelo de regresso linear simples y = 0 + 1 x + u , suponha que E ( u ) 0 . Fazendo 0 = E ( u ) , mostre que o modelo pode sempre ser reescrito com a mesma inclinao, mas com um novo intercepto e erro, em que o novo erro tem um valor esperado igual a zero. Resposta:

y = 0 + 1 x + u y + 1 x + u E x = E 0 x = E 0 + E 1 x x x

+E u = + x+E u 0 1 x x

( )

( )

Lembre que : 0 = E ( u ) = E u Eu

( x) =

( x)

0 + 1 x + E u x = 0 + 0 + x 1
Defina um novo erro , onde E ( ) = 0 u = + 0 O seu erro u formado por um componente aleatrio igual a e um componente fixo igual a 0. E ( u ) = E ( + 0 ) = E ( ) + E ( 0 ) = 0 + 0 = 0
Lembre que a hiptese de que o valor mdio de u na populao zero no diz nada sobre a relao entre u e x. Somente descreve a distribuio dos fatores no observveis da populao. Esta hiptese no restritiva, e foi exatamente isto que mostramos neste exerccio. No perdemos nada se redefinirmos o intercepto e considerarmos um novo termo de erro no observvel com mdia igual a zero, conforme fizemos neste exerccio. 4. Definimos o modelo de regresso linear simples por y = 1 + 2 x + e , onde e o termo de erro aleatrio. Suponha, no entanto, que soubssemos que, de fato, 1 = 0 . (a) Algebricamente, como fica o modelo de regresso linear?
y = 2 x + e
intercepto inclinao

( )

(b) Graficamente, como fica o modelo de regresso linear?

y

(c) As frmulas abaixo so apropriadas para as estimativas de mnimos quadrados ordinrios neste caso? Explique algebricamente. = y .x 1 2
n xi y i xi y i
i =1 n n n n

= 2

n xi2 i =1

( xi ) 2
i =1

i =1 n

i =1

[Sugesto: Neste caso, a funo soma de quadrados de mnimos quadrados fica sendo

S ( 2 ) = ( y i 2 .xi ) , com auxlio do clculo, ache a frmula para a estimativa de

2

mnimos quadrados de 2 nesse modelo]. Resposta: No. A frmula para 2 est calculada abaixo. 1 no est no modelo, no sendo calculado.

i =1

MinS ( b2 ) = ( y i b2 .xi ) 2
i =1 n S ( b 2 ) = 2 ( y i b2 .x i ).( x i ) = 0 b 2 i =1 n

CPO :
n

i =1

2 y i . x i b2 . x i = 0 i =1

= i =1 2 n 2 .xi
i =1

y i .x i

(d) Usando os dados abaixo, calcule S ( 2 ) para diferentes valores de 2 (dica: use uma planilha excell e faa os valores de 2 variarem de 0 a 4, com intervalos de 0,5) e monte um grfico da sua funo soma de quadrados de mnimos quadrados. Aponte no seu grfico o valor aproximado de 2 que minimiza sua funo. (Pode apresentar o grfico impresso, bem como os seus clculos no excell) X Y
beta2 x 1 2 3 4 5 6 S(beta2) y 4 6 7 7 9 11 0 16 36 49 49 81 121 352 0,5 12,25 25 30,25 25 42,25 64 199,25 1 9 16 16 9 16 25 92 1,5 6,25 9 6,25 1 2,25 4 30,25 2 4 4 1 1 1 1 14 2,5 2,25 1 0,25 9 12,25 16 43,25 3 1 0 4 25 36 49 118 3,5 0,25 1 12,25 49 72,25 100 238,25 4 0 4 25 81 121 169 404

1 4

2 6

3 7

4 7

5 9

6 11

450 400 350 S(beta2) 300 250 200 150 100 50 0 0 0,5 1 1,5 beta2 2 2,5 3 3,5 4

 . (d) Usando a frmula encontrada em (c) e com os dados da letra (d) , calcule 2

Resposta:
x 1 2 3 4 5 6 y 4 6 7 7 9 11 xy 4 12 21 28 45 66 176 x^2 1 4 9 16 25 36 91

=176 / 91 =1,93 2

5. (Wooldridge, 2.5) Na funo de consumo linear estimada, onde C o consumo e rend a renda familiar: = + .rend , C 0 1
, a propenso marginal a consumir PMgC (estimada) simplesmente a inclinao 1 C .Usando as observaes enquanto a propenso mdia a consumir PmeC = 0 + 1

rend

rend

de renda e consumo anuais de 100 famlias (ambas medidas em dlares), obteve-se a seguinte equao:
= C 124,84 +0,853.rend n =100 e R 2 =0,692

(a) Interprete o intercepto dessa equao e comente seu sinal e magnitude. Resposta: O fato do intercepto ser negativo nos diz que se a renda familiar de uma famlia fosse perto de zero, os seus gastos em consumo seriam negativos, o que na prtica no pode ocorrer. Uma das causas desses problemas o fato de estarmos usando apenas uma varivel (rend) para explicar a variao dos gastos em consumo. Outro problema seria que estamos usando uma amostra muito pequena, ou ainda, que a relao entre consumo e renda familiar no linear e que existem poucas informaes com renda familiar igual a zero. (b) Qual o consumo previsto quando a renda familiar de 30.000 dlares? Resposta: Consumo previsto 25465.16. 6

(c) Com rend sobre o eixo x, desenhe um grfico da PMgC e da PmeC estimadas (pode usar o excell, se necessrio).
1 0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 Propensao mdia a consumir prop mg a consumir

6. Uma vendedora de refrigerante nos jogos de futebol da universidade observa que, quanto mais calor na hora do jogo, mais bebida ela vende. Com base em 32 jogos em casa cobrindo um perodo de 5 anos, ela estima que a relao entre vendas de refrigerante (soda) = 240 + 6 x , em que y = nmero de refrigerantes vendidos e x = graus e temperatura seja y (em Farenheit). (a) Interprete o intercepto. A estimativa faz sentido? Por qu? Resposta: Idem letra (a) do exerccio anterior. (b) Em um dia em que a temperatura para a hora do jogo anunciada como 80 graus, quantas sodas ela prev vender? Resposta: Ela prev vender 240 sodas. (c) Abaixo de qual temperatura ela prev no vender refrigerantes? (d) Resposta: 0 = -240 + 6.X X=40 (e) Esboce um grfico da reta de regresso estimada.
y 300 200 100 0 0 -100 -200 -300 x 20 40 60 80 100