Manual de Solues Econometria Bsica Gujarati

CAPTULO 3
MODELO DE REGRESSO DE DUAS VARIVEIS: O PROBLEMA DA ESTIMAO

3.1 (1) Yi = 1+ 2Xi + ui, logo, E(Yi|Xi) = E[(1+ 2Xi + ui)|Xi]

E(Yi|Xi) = 1+ 2Xi + E(ui|Xi), visto que 1e 2 so constantes e X no-estocstico.
E(Yi|Xi) = 1+ 2Xi, j que E(ui|Xi) = 0, por premissa.
(2) Dado que cov(uiuj)=0 para todo i,j (ij), ento
cov(YiYj) = E{[Yi - E(Yi)] [Yj - E(Yj)]}
cov(YiYj) = E(uiuj), dos resultados em (1)
cov(YiYj) = E(ui)E(uj), porque premissa que os termos de erro no esto
correlacionados,
cov(YiYj) = 0, j que o valor mdio de ui zero, por premissa.
(3) Dado que var(ui|Xi) = 2, var(Yi|Xi) = E[Yi - E(Yi)]2 = E(ui2) = var(ui|Xi) = 2, por
premissa.

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

Manual de Solues Econometria Bsica Gujarati

3.3 A FRP : Yi = 1+ 2Xi + ui.

Situao 1: 1 = 0, 2 = 1, e E(ui) = 0, resultando E(Yi|Xi) = Xi
Situao 2: 1 = 1, 2 = 0, e E(ui) = (Xi 1), o que d E(Yi|Xi) = Xi, o mesmo resultado
da situao 1.
Logo, sem a premissa E(ui) = 0, no se pode estimar os parmetros porque, como
acabamos de demonstrar, a mesma distribuio condicional de Y obtida, embora os
valores presumidos dos parmetros sejam bem diferentes nas duas situaes.

3.4 Impondo a primeira restrio, obtemos:

u = (Y X ) = 0 , equao que, simplificada, d a primeira equao

i

normal.
Impondo a segunda restrio, obtemos:

u X = (Y X ) X = 0 , equao que, simplificada, d a segunda equao

i

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.

3.5 Da desigualdade de Cauchy-Schwarz temos que

(x y )
x y

E ( XY ) 2
1.
E ( X 2 ) E (Y 2 )

Ora, r =
2

2
i

2
i

1 , por analogia com a desigualdade de CauchySchwarz, o que

tambm verdadeiro para

quadrado.

3.6 Observe que

yx =

2 , o coeficiente de correlao populacional elevado ao

xi yi

2
i

e que

xy =

xi yi

2
i

. Multiplicando as duas equaes,

obtemos a expresso para r2, o coeficiente de correlao amostral elevado ao

quadrado.

Manual de Solues Econometria Bsica Gujarati

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 .

3.8 As mdias das duas variveis so iguais a: Y = X =

e a correlao entre os dois rankings : r =

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

n(n + 1)(2n + 1) n(n 1) 2 n(n 2 1)

=
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

, usando (2), obtemos:

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.

Manual de Solues Econometria Bsica Gujarati

3.9 (a) 1 = Y 2 X i e 1 = Y 2 x [Observao: xi = ( X i X ) ].

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

Logo, nem as estimativas nem as varincias dos estimadores so iguais.

(b) 2 =

x y
x
i

e 1 =

2
i

x y
x
i

, j que

2
i

fcil verificar que var ( 2 ) = var ( 2 ) =

xi = ( X i X )

2
i

Ou seja, as estimativas e as varincias dos dois estimadores so idnticas.

(c) Pode ser mais fcil usar o modelo II com nmeros X grandes, embora com os
rpidos computadores atuais isso no seja mais um problema.

x =y

= 0 , ou seja, a soma dos desvios em relao ao valor mdio

sempre zero, x e y tambm so iguais a zero ( x = y = 0 ). Assim, 1 = y 2 x = 0 . O
3.10 Como

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

, j que as mdias das duas variveis so iguais a

zero. Esta a Equao (3.1.6) do livro-texto.

3.11 Sejam Z i = aX i + b e Wi = cYi + d , que, em formato de desvios, tornamse

zi = axi e wi = cyi . Por definio, r2 =

z w
z w
i

2
i

2
i

ac xi yi

ac

xi2 yi2

= r1 na Equao

(3.5.13) do texto.

3.12 (a) Verdadeira. Na Questo 3.11, faamos a e c iguais a -1 e b e d iguais a 0.

(b) Falsa. Consultando novamente a Questo 3.11, veremos que ser negativo.

Manual de Solues Econometria Bsica Gujarati

(c)

Verdadeira.

rxy = ryx > 0 ,

Como

Sx e

S y (os

respectivamente) so ambos positivos, e ryx =

yx

desvios-padro

de

Sy
Sx
e rxy = xy
, ento xy e yx
Sx
Sy

tm de ser positivos.

3.13 Sejam Z=X1+X2 e W=X2+X3. Em formato de desvios, podemos escrevlas como

z=x1+x2 e w=x2+x3. Por definio, a correlao entre Z e W :

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

X1, X2 e X3 no so correlacionadas. (Nota: por convenincia, omitimos o subscrito de

observao).

rzw =

2
(2 2 + 2 2

1
2
, em que a varincia comum.
2

O coeficiente no zero porque os pares combinados so correlacionados, ainda que

as variveis X1, X2 e X3 no sejam individualmente correlacionadas.
Como acabamos de demonstrar,

zw =

, denotando que a covarincia entre z e w

uma constante diferente de zero.

3.14 Os resduos e os valores ajustados de Y no mudaro. Sejam Yi = 1 + 2 X i + ui e

Yi = 1 + 2 Z i + ui , em que Z=2X. Empregando o formato de desvios, sabemos que

2 = 2

xy

2 =

, omitido o subscrito de observao.

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 )

Ou seja, o intercepto no afetado. Em conseqncia, os valores ajustados de Y e os

resduos mantmse os mesmos ainda que Xi seja multiplicado por 2. A anlise
anloga para o caso de uma constante ser somada a Xi.

Manual de Solues Econometria Bsica Gujarati

3.15 Por definio, ryy =

2

( 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.

= r 2 , aplicando a Equao (3.5.6) do texto.

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

= xi2 para o modelo de

duas variveis. O intercepto nesta regresso zero.

3.17 Escreva a regresso amostral assim: Yi = 1 + ui . Pelo princpio dos mnimos

quadrados, temos de minimizar:
ao

nico

parmetro

u = (Y )

conhecido

2
i

iguale

. Derive essa equao em relao

resultado

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

, em que n o tamanho da amostra

(Yi Y )2 = yi2 e 2 =

SQR
yi2 . Vale a pena
=
(n 1) (n 1)

acrescentar a varivel X ao modelo se ela reduzir significativamente, o que

acontecer se ela tiver qualquer influncia sobre Y. Resumindo, o que pretendemos
nos modelos de regresso que as variveis explanatrias possam dar um prognstico
2

Manual de Solues Econometria Bsica Gujarati

de Y melhor do que simplesmente seu valor mdio. Em verdade, podemos ver isso
formalmente. Recorde que para o modelo de duas variveis obtido da Equao
(3.5.2):SQR=STQSQE =

y y = y
2
i

2
i

2
i

22 xi2 . Logo, se 2 for diferente de

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

3.18 Tirando a diferena entre os dois rankings, obtemos:

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.

Manual de Solues Econometria Bsica Gujarati

3.20 (a) Os grficos de disperso so os seguintes:

VERTICAL = REMSEMP
HORIZONTAL = PRODSEMP

Vertical = REMSENA
Horizontal = PRODSENA

Manual de Solues Econometria Bsica Gujarati

(b) Os dois grficos mostram que h uma relao positiva entre remunerao e
produo, o que no surpresa, considerando a teoria da produtividade marginal da
Economia do Trabalho.
(c) Os grficos anteriores demonstram que a relao entre remunerao e produo,
embora seja positiva, no linear. possvel, portanto, que no se consiga um bom
ajuste entre os dados e um modelo de regresso linear. Mas se, como de praxe,
fizermos esse ajuste, teremos os seguintes resultados, nos quais SEMP setor
empresarial; SENA, setor empresarial no-agrcola; PROD, produo por hora; e REM,
remunerao real por hora.
REMSEMP = 109,3833 + 2,0039 PRODSEMP
ep = (9,7119)
(0,1176)

r2 = 0,8868

REMSENA = 123,6000 + 2,1386 PRODSENA

ep = (11,0198)
(0,1312)

r2 = 0,8777

Como esperado, a relao entre as duas positiva. Surpreendentemente, o valor de r2

bem alto.
3.21
Dados
originais:
Dados
revisados:

Yi

Xi

Xi Yi

X i2

Yi2

1110

1700

205500

322000

132100

1110

1680

204200

315400

133300

Portanto, o coeficiente de correlao corrigido 0,9688.

3.22 (a) Se representarmos estas variveis em relao ao tempo, veremos que, em
geral, subiram. H, no caso do ouro, considervel volatilidade de preo.
(b) Se a hiptese fosse verdadeira, seria de se esperar que 2 1 .
(c) Preo do ourot = 186,183 + 1,842 IPCt
ep = (125,403) (1,125)

r2 = 0,150

NYSEt = 102,060 + 2,129 IPCt

ep = (23,767) (0,230)
r2 = 0,868
Parece que o mercado de aes melhor garantia contra a inflao do que o ouro.
Como veremos no Captulo 5, o coeficiente angular da equao do preo do ouro no
estatisticamente significativo.

Manual de Solues Econometria Bsica Gujarati

3.23 (a) Segue o grfico, em que PIBN e PIBR so, respectivamente, PIB nominal e
PIB real.

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.

Manual de Solues Econometria Bsica Gujarati

(c) Como ressaltamos no texto, uma relao estatstica, por mais forte que seja, no
determina causalidade, a qual tem de ser estabelecida a priori. Neste caso, no h
razo para suspeitar de relao causal entre as duas variveis.
3.26 Os resultados da regresso so:

Yt = -189,057 + 1,285 X t
ep = (40,927)

(0,082)

r2 = 0,918.

3.27 Este para ser feito em sala de aula.