Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
CAPTULO 3
MODELO DE REGRESSO DE DUAS VARIVEIS: O PROBLEMA DA ESTIMAO
3.2
Logo, 2 =
x y
x
i
2
i
Yi
Xi
yi
xi
xi
yi
xi 2
12
10
soma
28
16
19
14
Nota:
Y = 7 e X = 4.
19
= 1,357; 1 = Y 2 X = 1,572.
14
normal.
Impondo a segunda restrio, obtemos:
normal.
A primeira restrio corresponde premissa de que E(ui|Xi) = 0. A segunda restrio
corresponde premissa de que no h correlao entre o termo de erro populacional e
a varivel explanatria Xi, isto , cov(uiXi)=0.
(x y )
x y
E ( XY ) 2
1.
E ( X 2 ) E (Y 2 )
Ora, r =
2
2
i
2
i
yx =
xi yi
2
i
e que
xy =
xi yi
2
i
3.7 Mesmo que yx xy = 1 , ainda faria diferena (pela causalidade e teoria) se fosse
feita a regresso de Y contra X ou de X contra Y, pois o que igual a um somente o
produto das duas, e isso no implica que yx = xy .
x y
x y
i
2
i
n +1
,
2
2
i
(1)
em que as letras minsculas, como sempre, indicam desvio dos valores mdios.
Como os rankings so permutaes dos n primeiros nmeros naturais, ento:
xi2 = X i2
( X i ) 2
n
=
12
6
4
n(n 2 1)
e, analogamente, y =
, ento
12
2
i
= ( X i Yi ) 2 = ( X i2 + Yi 2 2 X iYi ) =
n(n + 1)(2n + 1) d
.
X iYi =
6
2
2n(n + 1)(2n + 1)
2 X iYi , logo
6
Como
(2)
X
Y
x y = X Y n
i
i i
n(n + 1)(2n + 1) d
n(n + 1) 2 n(n 2 1) d
.
2
3
2
4
12
2
(3)
Agora, basta substituir as equaes anteriores na equao (1) para obter a resposta.
1 = Y
, j que
var ( 1 ) =
X
n x
2
i
2
i
= 0.
e var (1 ) =
x
n x
2
i
2
i
=
2
x y
x
i
e 1 =
2
i
x y
x
i
, j que
2
i
xi = ( X i X )
2
i
x =y
fato relevante aqui que se tanto Y quanto X forem expressas como desvios em
relao s respectivas mdias, a linha de regresso passar pela origem.
2 =
( xi x )( yi y )
( xi x )
x y
i
xi2
z w
z w
i
2
i
2
i
ac xi yi
ac
xi2 yi2
= r1 na Equao
(3.5.13) do texto.
(c)
Verdadeira.
Como
Sx e
S y (os
yx
desvios-padro
de
Sy
Sx
e rxy = xy
, ento xy e yx
Sx
Sy
tm de ser positivos.
rzw =
z w
z w
i
2
i
2
i
( x + x )( x + x )
(x + x ) (x + x )
x
( x + x )( x + x
2
2
2
1
2
2
2
2
2
3
porque
rzw =
2
(2 2 + 2 2
1
2
, em que a varincia comum.
2
zw =
2 = 2
xy
2 =
zi yi
2
i
1 = Y 2 X
2 xi yi
4 x
2
i
1
2
2
; 1 = Y 2 Z = 1 (Nota: Z = 2 X )
( x )
y
ryy2 =
2 i
2
i
( yi yi ) 2
[ ( yi + ui )( yi )]2
=
=
( yi2 )( yi2 )
( yi2 )( yi2 )
22 xi2
2
i
y
y
2
i
2
i
, j que
y u
i i
= 0.
3.16 (a) Falsa. A covarincia pode assumir qualquer valor, e este depende das
unidades de medida. O coeficiente de correlao, por outro lado, no tem unidades,
uma grandeza adimensional.
(b) Falsa. Veja a Figura 3.11(h) no texto. Lembrese de que o coeficiente de
correlao uma medida de relao linear entre duas variveis. Da, como mostra a
Figura 3.11(h), h uma relao perfeita entre Y e X, mas ela no linear.
(c) Verdadeira. Em formato de desvios, temos yi = y i + ui . Ento bvio que se
fizermos uma regresso de yi contra yi , o coeficiente angular ser 1, e o intercepto
ser 0. Mas uma prova formal pode ser feita como segue: se fizermos uma regresso
de yi contra yi , obteremos o coeficiente angular, digamos, , sob a forma
yi yi xi yi 2
= 2
= 2 = 1 , porque yi = xi e
2
2
y
x
x y
i
nico
parmetro
u = (Y )
conhecido
2
i
iguale
zero
para
obter:
2
i
d (u )
= 2 (Yi 1 )( 1) = 0 , que simplificada d 1 = Y , ou seja, a mdia amostral. E
d 1
sabemos que a varincia da mdia amostral
e
a varincia de Y. A SQR
y2
n
(Yi Y )2 = yi2 e 2 =
SQR
yi2 . Vale a pena
=
(n 1) (n 1)
y y = y
2
i
2
i
2
i
zero, a SQR do modelo que tenha no mnimo um regressor ser menor do que a do
modelo sem regressor. claro que se houver mais regressores no modelo e seus
coeficientes angulares forem diferentes de zero, a SQR ser muito menor do que no
modelo sem regressor.
Problemas
d2
d2=26.
Assim,
rs = 1
6 d 2
n(n 1)
= 1
coeficiente
de
correlao
de
rankings
de
Spearman
6(26)
= 0,842 . H, portanto, um alto grau de correlao entre
10(102 1)
as posies dos estudantes nas provas de meio e de final de perodo: quanto mais alta
ela for na primeira, mais alta ser na segunda.
3.19 (a) O valor de 4,318 para o coeficiente angular indica que durante o perodo
19801994 a taxa de cmbio (marco/US$) baixou cerca de 4,32 unidades para cada
unidade de aumento no preo relativo, em mdia. Isto , o dlar americano depreciou,
porque 1 dlar comprava menos marcos alemes. O valor de 6,682 para o intercepto,
interpretado literalmente, significa que se a relao de preos relativos fosse zero, um
dlar valeria 6,682 marcos alemes. Essa interpretao, claro, no
economicamente significativa.
(b) O valor negativo do coeficiente angular faz muito sentido econmico porque se os
preos nos Estados Unidos subirem mais rapidamente do que os da Alemanha, os
consumidores internos passaro a comprar mercadorias alems, aumentando assim a
demanda pelo marco alemo, o que levar sua apreciao. Esta a essncia da
teoria da paridade do poder de compra (PPC), ou lei do preo nico.
(c) Acreditamos que, nesse caso, o coeficiente angular seria positivo, pois quanto
maior fosse o IPC alemo em relao ao IPC americano, maior seria a taxa de inflao
relativa na Alemanha, o que levaria apreciao do dlar americano. Temos, outra
vez, a essncia da PPC.
VERTICAL = REMSEMP
HORIZONTAL = PRODSEMP
Vertical = REMSENA
Horizontal = PRODSENA
r2 = 0,8868
r2 = 0,8777
Yi
Xi
Xi Yi
X i2
Yi2
1110
1700
205500
322000
132100
1110
1680
204200
315400
133300
r2 = 0,150
NGDP = PIBN
RGDP = PIBR
(b) PIBNt = 986,3317 + 201,9772 tempo
ep = (1907,715) + 128,7820
PIBRt = 1907,715 + 128,7820 tempo
ep = (45,1329) (1,9666)
r2 = 0,9277
r2 = 0,9914
(c) Nesse caso, o coeficiente angular informa a taxa de variao do PIB por intervalo
de tempo.
(d) A diferena entre os dois representa a inflao ao longo do tempo.
(e) Como indicam o grfico e os resultados da regresso, o PIB nominal tem crescido
mais rpido que o PIB real, sugerindo que a inflao tem subido com o passar do
tempo.
3.24 Este simples e direto.
3.25 (a) Veja o grfico do Exerccio 2.16(d).
(b) Seguem os resultados da regresso, em que Y a pontuao das mulheres em
aptido verbal e X, a dos homens:
Yt = -198,126 + 1,436 X t
ep = (25,211)
(0,057)
r2 = 0,966.
Yt = -189,057 + 1,285 X t
ep = (40,927)
(0,082)
r2 = 0,918.