Lista Segunda Parte

Faculdade de Economia
Econometria I Lista de Exerccios Primeira Parte

Lista de Exerccios baseada em Provas anteriores
1. A respeito dos estimadores de Mnimos Quadrados Ordinarios (MQO), em mo-
delos de regressao linear simples, indique se as senten cas a seguir sao verdadeiras
ou falsas. Justique sua resposta.
(a) Se a esperan ca condicional dos erros e diferente de zero, entao somente o 0,5ptos
estimador do coeciente angular e viesado.
(b) Para que os estimadores de MQO sejam ecientes e necessario que os erros 0,5ptos
sejam normalmente distribuidos.
(c) As hipoteses de homocedasticidade e de ausencia de autocorrela cao nos erros 0,5ptos
e necessaria para que os estimadores sejam lineares e consistentes.
(d) Na presen ca de autocorrela cao dos resduos, os estimadores de MQO sao 0,5ptos
viesados porem ecientes.
(e) A hipotese de covariancia nula entre os erros e variavel explicativa e ne- 0,5pto
cessaria para que os estimadores sejam ecientes.
(f) Os estimadores de Mnimos Quadrados sao lineares somente quando as 0,5pto
variaveis explicada e explicativa apresentam rela cao linear.
(g) A varia cao amostral nula da variavel explicativa conduz estimadores nao 0,5pto
viesados.
(h) Se os erros satisfazem a hipotese de esperan ca condicional nula, entao todos 0,5pto
os estimadores tem valor esperado nulo.
(i) Sem a hipotese de ausencia de autocorrela cao dos erros os estimadores de 0,4pto
Mnimos Quadrados tornamse viesados (viciados).
(j) A condi cao de homocedasticidade e necessaria para obter variancia mnima 0,4pto
nos valores observados da variavel explicada.
(k) Se os erros satisfazem a hipotese de esperan ca condicional nula, entao todos 0,4pto
os estimadores tem valor esperado nulo.
(l) O coeciente de determina cao e igual a propor cao do somatorio dos quadra- 0,4pto
dos dos resduos em rela cao ao somatorio dos quadrados totais.
Econometria Lista de Exerccios Primeira Parte
(m) Em um modelo de regressao simples sem constante, em que o coeciente an- 1,0pto
gular e estimado por Mnimos Quadrados, os valores observados e estimados
da variavel dependente possuem necessariamente a mesma media aritmetica.
(n) O erro padrao da regressao (ou erro padrao dos resduos) e igual ao quadrado 0,5pto
do somatorio dos resduos.
2. Admita que o metodo de Mnimos Quadrados Ordinarios (MQO) junto com as
hipoteses de GaussMarkov sao utilizados para estimar os paramentros do se-
guinte modelo
ln(Q
i
) =
1
+
2
ln(P
i
) +
i
i = 1, 2, . . . , n.
onde Q e a quantidade demandada de um determinado produto, P o pre co do
produto e ln() representa a fun cao logaritmo natural. Indique se as senten cas a
seguir sao verdadeiras ou falsas. Justique sua resposta.
(a) A reta de regressao passa pelas medias amostrais de ln(Q) e ln(P), mesmo 0,5pto
que o modelo nao tenha intercepto.
(b) Na presen ca de heterocedasticidade, os estimadores sao inconsistentes ja que 0,5pto
sao inecientes.
(c) Na presen ca de autocorrela cao dos resduos, os estimadores sao nao viesados 0,5pto
e consistentes.
(d) Quanto maior for a varia cao da variavel explicada, maior sera a precisao 0,5pto
com que o coeciente angular pode ser estimado.
(e) Se os erros tem autocorrela cao positiva entao a soma dos resduos e positiva. 0,5pto
(f) Variandose o pre co em 1%, a quantidade demandada variara 100
2
%, ce- 0,5pto
teris paribus.
(g) Na rela cao funcional estimada, se o pre co ultrapassar determinado limite, 0,5pto
sera possvel obter quantidades demandadas negativas.
(h) Heterocedasticidade ocorre quando o erro aleatorio do modelo de regressao 0,5pto
e correlacionado com variavel explicada.
(i) O erro da regressao e simplesmente a raiz quadrada do somatorio dos resduos 0,5pto
divididos pelos graus de liberdade.
(j) O estimador do coeciente angular pelo MQO equivale a uma media pon- 0,5pto
derada das observa coes da variavel explicativa, onde os pessos dependem da
varia cao dos resduos.
(k) A hipotese de que o erro e normalmente distribudo e necessaria para que 0,5pto
os estimadores de MQO sejam escritos como combina coes lineares das ob-
serva coes ln(Q
i
).
(l) Quando as observa coes ln(P
i
) apresentam variancia nula entao os estimado- 0,5pto
res ainda continuam naoviesados e sao ecientes.
3. O arquivo data3-7(gretl) contem informa cao das despesas em repara cao (dolares)
e tempo de uso (semanas) de automoveis do tipo station wagon da Toyota.
Resultados da regressao das despesas sobre o tempo de uso sao apresentados a
seguir:
Variable Coecient Std. Error t-statistic p-value
const 625,93 104,150 6,0100 0,0000
TEMPO 7,34348 0,329580 22,2814 0,0000
R
2
0,900265
(a) Qual e valor previsto de despesas se o tempo de uso e de 6 meses. 0,5ptos
(b) Interprete os valores dos parametros estimados. 0,5ptos
(c) Interprete o valor do coeciente de determina cao R
2
. 0,5ptos
-1000
-500
0
500
1000
1500
2000
2500
3000
3500
0 100 200 300 400 500
D
e
s
p
e
s
a
s
Tempo
Despesas e Tempo (com regressao MQO)
Y = -626, + 7,34X
4. Uma compania produz um componente impermeavel utilizado na constru cao civil.
O modelo simples para representar a demanda do material em fun cao do pre co e
Q = + P +
onde Qe a quantidade de galoes do componente remitidos durante um mes e P e o
pre co por galao em dolares. O arquivo data3-5(gretl) contem os dados mensais
de 89 perodos e os resultados computacionais da regressao sao apresentados a
seguir:
Modelo 1: Estimativas OLS usando as 89 observa coes 1983:011990:05
Variavel dependente: Quantidade
Variavel Coeciente Erro Padrao estatstica-t p-valor
const 5962,05 955,810 6,2377 0,0000
Pre co 381,09 104,766 3,6376 0,0005
Soma dos quadrados dos resduos = 1, 87000 10
8
R
2
= 0,132013
(a) Interprete os valores dos parametros estimados. 0,5ptos
(b) Interprete o valor do coeciente de determina cao R
2
. 0,5ptos
(c) Qual e valor estimado para Q se o pre co por galao e de 50 dolares? 0,5ptos
(d) Considerando a representa cao graca dos dados e da regressao na gura a 0,5ptos
seguir, sugira um modelo (formula matematica) entre Q e P tal que os dados
sejam mais bem ajustados.
0
1000
2000
3000
4000
5000
6000
7000
8000
6 7 8 9 10 11 12 13 14
Q
u
a
n
t
i
d
a
d
e
Preo
Quantidade vs Preo
Y = 5,96e+03 381,X
5. Visando fazer uma analise da rela cao entre a Mortalidade Infantil (mi) e o Pro-
duto Nacional Bruto per capita (pnbpc), foram coletados dados de 64 pases
1
e
processados com um pacote econometrico. Os resultados numericos do modelo
de regressao simples:
mi =
1
+
2
pnbpc +
sao apresentados a seguir:
1
Tabela 6.4, Gujarati (2006)
Estimativas OLS usando as 64 observa coes 164
Variavel dependente: mi
Variavel Coeciente Erro Padrao
const 157,424 9,8455
pnbpc 0,01136 0,00323
Soma dos resduos quadrados 303229
R
2
0,16622
(a) Escreva a rela cao funcional estimada entre mi e pnbpc. 0,5pto
(b) Interprete os valores dos parametros estimados. 0,5pto
2
. 0,5pto
(d) Estime a mortalidade infantil (mi) para um pas com pnbpc = 15.000, 00. 0,5pto
Interprete seu resultado.
(e) Estime o desvio padrao da regressao e somatorio total dos quadrados. Es- 0,5pto
creva os calculos respectivos.
(f) Considerando a representa cao graca dos dados e da reta de regressao na 0,5pto
gura a seguir, sugira um modelo (formula matematica) entre mi e pnbpc.
100
50
0
50
100
150
200
250
300
350
0 5000 10000 15000 20000
M
I
PNBpc
MI versus PNBpc (com ajustamento por mnimos quadrados)
Y = 157, 0,0114X
6. Visando fazer uma analise da rela cao entre a taxa de mortalidade por doen ca
cardaca (chd, por 100.000 habitantes) e o consumo per capita de vinho (wine
em galoes), foram coletados dados e armazenados no arquivo data4-7.gdt,
(gretl). As estimativas do modelo chd =
1
+
2
wine + sao apresentados
a seguir:
Estimativas OLS usando as 34 observa coes
Variavel Dependente: chd
const 367,232 5,60227
wine 8,89375 3,62962
Desvio padrao da variavel dependente = 14,946
Erro padrao da regressao ( ) = 13,9273
(a) Escreva a rela cao funcional estimada entre chd e wine. 0,25pto
(c) Estime a taxa de mortalidade cardaca (chd) para um consumo per capita 0,50pto
de vinho (wine) de 45 galoes. Interprete seu resultado.
(d) Estime o somatorio dos quadrados dos resduos. Escreva os calculos respec- 0,75pto
tivos.
(e) Estime o percentual da vari cao de chd explicado pela varia cao do consumo 0,75pto
de vinho wine.
(f) Considerando a representa cao graca dos dados e da reta de regressao na 0,50pto
gura a seguir, sugira um modelo (formula matematica) entre chd e wine.
320
330
340
350
360
370
380
0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4 2.6
c
h
d
wine
chd versus wine (com ajustamento por mnimos quadrados)
Y = 367, 8,89X
7. Objetivado fazer uma analise entre o percentual de famlias que recebe ajuda
nanceira de entidades p ublicas pfin, em rela cao a renda do chefe de famila
renda, foram coletados os dados de 58 municpios fazendo parte do arquivo
data4-17(gretl). Considerando um modelo de regressao simples
pfin =
1
+
2
ln renda +
os resultados numericos obtidos com um novo programa XXSigma2 sao apre-
sentados a seguir:
Estimativas OLS usando as 58 observa coes 164
Variavel dependente: pfin
const 121,314 16,3981
ln renda 11,0487 1,59165
Soma dos resduos quadrados 440,894
Erro padrao da regressao ( ) 3,80591
R
2
0,46250
(a) Escreva a rela cao funcional estimada entre pfin e renda. 0,5pto
2
. 0,5pto
(d) Admitindo que o R
2
nao tem erro de computo, existe algum par de valores 0,5pto
numericos nos resultados que nao sejam compatveis entre si? Justique sua
resposta.
8. Visando fazer uma analise da rela cao entre a taxa de mortalidade por doen ca
cardaca (chd, por 100.000 habitantes) e o consumo per capita de cigarro (cig
em libras), foram coletados dados e armazenados no arquivo data4-7.gdt,
(gretl). As estimativas usando mnimos quadrados sao apresentadas a seguir:
Estimativas OLS usando as 34 observa coes
Variavel Dependente: ln(chd)
const 5,70749 0,0572419
cig 0,0185171 0,00644965
Desvio padrao da variavel dependente = 5,87071
Erro padrao da regressao ( ) = 0,0388097
(a) Escreva a rela cao funcional estimada entre chd e wine e interprete os va- 1,0pto
lores dos parametros estimados.
(b) Estime o somatorio dos quadrados dos resduos. Escreva os calculos respec- 1,0pto
tivos.
(c) Estime o coeciente de determina cao e interprete. 1,0pto
9. Admita que no modelo de regressao Y
i
=
1
+
2
X
i
+, aplicamos uma mudan ca 2,0ptos
de escala nas variaveis explicativa e explicada. Nesse sentido e multiplicado cada
valor de X pela constante
1
> 0 e cada valor de Y pela constante
2
> 0. Sendo
assim podemos armar que, a soma dos quadrados dos resduos no modelo com
a nova escala e simplesmente multiplicar
1
1
o somatorio dos quadrados dos
resduos do modelo original? Justique sua resposta.
10. Admitindo que utilizamos o metodo dos mnimos quadrados ordinarios (MQO)
no modelo Y
i
=
1
+
2
X
i
+
i
utilizaremos a nota cao

Y
i
,

1
e

2
para os dados 2,0ptos
estimados e os estimadores respectivamente. Se zermos a regressao dos dados
observados Y
i
em rela cao aos estimados

Y
i
, e verdade que os novos estimadores
para o intercepto e a inclina cao serao respectivamente y
1
e
1
y
2
?. Justique sua
resposta.
11. Considere o modelo no qual o salario (salario) de um funcionario e explicado 2,0ptos
pelos anos de experiencia (exper), como segue
salario =
1
+
2
exper + com = exper
2
u
onde u e uma variavel aleatoria com E[u] = 0 e V [u] =
2
u
. Admitindo que
u e exper sao independentes e verdade que E[/exper] = 0 e V [/exper] =
2
u
exper. Justique sua resposta.

12. Dado o modelo de regressao Y
i
=
1
+
2
X
i
+
i
, e conhecido que as unida- 2,0ptos
des do regressando e do regressor afetam a interpreta cao dos estimadores

1
e
2
. Existem casos nos quais as variaveis sao medidas em dimensoes de difcil
interpreta cao e e nessas situa coes que faz mais sentido analisar as varia coes em
unidades desvio padr ao, portanto os dados sao padronizados. Se denotamos com
Y
e X
as variaveis padronizadas e

os estimadores da regressao linear

de Y
contra X
, e verdade que

1
e

2
?. Justique sua resposta.
13. Sejam
1
,
2
e
o intercepto, a inclina cao e o desvio padrao respectivamente 2,0pts

da regressao de U
i
sobre V
i
, usando n observa coes. Sejam
1
e
2
constantes
arbitrarias. Se denotamos com
1
,
2
e
os estimadores da regressao de (
1
U
i
)
sobre (
2
V
i
), indique quais das seguintes equa coes sao validas:

1
=
1
+
1

2

2
,
2
=

2
1

2
,
=
2
2

.
Justique sua resposta.
14. Admita que utilizamos o metodo dos Mnimos Quadrados Ordinarios (MQO) 2,00pts
para estimar o modelo y
i
=
1
+
2
x
i
+
i
e neste caso usamos a nota cao y
i
,

1
e

2
para os dados estimados e os estimadores respectivamente. Por outro lado,
sejam
1
e
2
os estimadores do intercepto e do coeciente angular da regressao
dos dados observados y
i
em rela cao aos estimados y
i
. Indique quais das seguintes
equa coes sao validas, justique sua resposta.

1
= y
1

2
=
2
y
.
15. Admita que desejamos estimar o coeciente angular no modelo de regressao linear
simples y
i
=
1
+
2
x
i
+ e que a amostra aleatoria de tamanho n tem observa coes
(x
1
, y
1
), (x
2
, y
2
), . . . , (x
n
, y
n
). Considere o seguinte procedimento para denir um
estimador

2
: (1) calcular a inclina cao da reta denida pelo primeiro e segundo
ponto; (2) calcular a inclina cao do segundo com o terceiro ponto, do terceiro com
o quarto e assim sucessivamente ate o ultimo ponto; (3) considerar o estimador
1
como o valor medio de todas as inclina coes calculadas. Sendo assim podemos
armar que:
(a)

1
pode ser expressado matematicamente como

1
=
n 1
n
2
n
i=2
Y
i
Y
i1
X
i
X
i1
. 0,5ptos
(b) O estimador

1
nao e linear. 0,5ptos
(c) O estimador

1
e viesado. 0,5ptos
16. Admita que desejamos estimar o coeciente angular no modelo de regressao li-
near simples Y
i
=
1
+
2
X
i
+
i
e que a amostra aleatoria de tamanho n tem
observa coes (X
1
, Y
1
), (X
2
, Y
2
), . . . , (X
n
, Y
n
). Considere o seguinte procedimento
para denir um estimador

2
: (1) Fixar um ponto amostral que denotamos
(X
0
, Y
0
); (2) calcular as inclina coes dos segmentos denidos por cada dado amos-
tral (X
i
, Y
i
) com o ponto xo (X
0
, Y
0
); (3) considerar como estimador

2
o valor
medio de todas as inclina coes calculadas no passo (2). Responda as seguintes
perguntas:
(a)

E verdade que

2
pode ser expressado matematicamente como 0,5ptos
2
=
n 1
n
2
n
i=2
Y
i
Y
0
X
i
X
0
?
(b)

E verdade que o estimador

2
nao e linear? Justique sua resposta. 0,5ptos
(c)


2
e viesado? Justique sua resposta. 0,5ptos
(d) Se denotamos com

2
o estimador de mnimos quadrados, qual dos dois 0,5ptos
estimadores

2
e

2
voce escolheria? Justique sua resposta.
17. Admita que tanto as constantes
1
e
2
junto com as observa coes amostrais
(x
i
, y
i
) sao sempre positivas. Considere os modelos:
Modelo I: ln(y
i
) =
1
+
2
ln(x
i
) +
i
Modelo II: ln(y
i
) =
1
+
2
ln(x
i
) +
i
onde y
=
1
y
i
e x
=
2
x
i
. Mostre que:
(a) Os estimadores das inclina coes de ambos modelos sao iguais. 0,5pto
(b) Os coecientes de determina cao de ambos modelos sao iguais. 1,0pto
18. Admita que desejamos estimar os efeitos do tempo de experiencia no salario para 2,0pts
um determinado grupo ocupacional, sendo assim assumimos validas as hipoteses
do Teorema de GaussMarkov e propomos o modelo da forma:
Modelo I: y
i
=
1
+
2
x
i
+
i
i = 1, . . . , n
onde y representa salario e x os anos de experiencia. Considere que a informa cao de
anos de experiencia nao se encontra disponvel, porem an alises previas sugerem
utilizar a idade como variavel proxima da experiencia. Sendo assim, utilizamos o
metodo de mnimos quadrados para estimar os parametros do modelo:
Modelo II: y
i
=
1
+
2
x
i
+
i
i = 1, . . . , n
onde y representa o salario e x
a idade. Lembrando que nosso objetivo e estimar

o parametro
2
, quais devem ser as condi coes entre x
, x para que o estimador

de
2
seja naoviesado (em rela cao a
2
)? Justique sua resposta.
19. Admita que desejamos estimar o coeciente angular no modelo de regressao li-
near simples Y
i
=
1
+
2
X
i
+
i
e que a amostra aleatoria de tamanho n tem
observa coes (X
1
, Y
1
), (X
2
, Y
2
), . . . , (X
n
, Y
n
). Considere o seguinte procedimento
para denir um estimador

2
: (1) Fixar o ponto das medias amostrais (X, Y ); (2)
calcular as inclina coes dos segmentos denidos por cada dado amostral (X
i
, Y
i
)
com o ponto xo (X, Y ); (3) considerar como estimador

2
o valor medio de todas
as inclina coes calculadas no passo (2). Responda as seguintes perguntas:
(a)

E verdade que

2
pode ser expressado matematicamente como 0,75pto
2
=
1
n 1
n
i=1
X
i
X
Y
i
Y
?
(b)


2
nao e linear? Justique sua resposta. 0,5pto
(c)


2
e viesado? Justique sua resposta. 1,0pto

2
o estimador de mnimos quadrados, qual dos dois 0,75pto
estimadores

2
e

2
20. Admita que no modelo de regressao simples y
i
=
1
+
2
w
i
+ sao validas todas as
hipoteses do Teorema de GaussMarkov e denimos um estimador de inclina cao
como:
2
=
n
i=1
ln(|w
i
| + 1) ln(|w
i
| + 1)
y
i
n
i=1
ln(|w
i
| + 1) ln(|w
i
| + 1)
w
i
onde ln(|w
i
| + 1) =
1
n
n
i=1
ln(|w
i
|+1)
Indique se as senten cas a seguir sao verdadeiras ou falsas, justique sua resposta:
(a) O estimador

2
e linear e viesado. 1,5pto
(b) Se denotamos com

2
estimadores

2
e

2
21. Admita que no modelo de regressao simples x
i
=
1
+
2
w
i
+ sao validas todas as
hipoteses do Teorema de GaussMarkov e que os dados da variavel independente
sao transformados atraves da fun cao y
i
= ln(|w
i
| + 1). Denimos um estimador
de inclina cao como:
2
=
n
i=1
(y
i
y) x
i
n
i=1
(y
i
y) w
i
onde y =
1
n
n
i=1
y
i
(a) O estimador

2
e naolinear? Justique sua resposta. 0,25pto
(b) O estimador

2
e viesado? Justique sua resposta. 1,50pts
(c) Calcule a variancia do estimador

2
. 1,5pts

2
estimadores

2
e

2
No que segue consideramos validas as hipoteses do Teorema de GaussMarkov.
Utilizamos as nota coes

Cov[x, y] para a covariancia amostral (dados discretos) de x e y,
bem como

Var[x] e

Var[y] para as variancias amostrais de x e y respectivamente. Onde
x e y correspondem aos vetores de observa coes amostrais x = (x
1
, x
2
, . . . , x
n
), e y =
(y
1
, y
2
, . . . , y
n
). Finalmente denotamos o vetor de resduos como = (
1
,
2
, . . . ,
n
).
Sendo assim, mostre que
22.

Cov[ , y] = 0.
23.

Var[ ] =

Cov[ , y]
24. O coeciente de determina cao R
2
e equivalente ao quadrado do coeciente de
correla cao amostral, isto e
R
2
=
SQE
SQT
= R
2
=
Cov[x, y]
Var[x]

Var[y]
25. O coeciente de determina cao R
2
tambem representa uma medida da correla cao
entre os dados observados e os estimados, isto e:
R
2
=
SQE
SQT
= R
2
=
Cov[y, y]
Var[y]

Var[ y]

Lista Segunda Parte

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Lista Segunda Parte

Uploaded by

Copyright:

Available Formats

Faculdade de Economia

Econometria I Lista de Exerccios Primeira Parte

exper. Justique sua resposta.

os estimadores da regressao linear

o intercepto, a inclina cao e o desvio padrao respectivamente 2,0pts

a idade. Lembrando que nosso objetivo e estimar

, x para que o estimador

You might also like