Baixe o app para aproveitar ainda mais
Prévia do material em texto
Gabarito da Lista 4 Teórica 29 de novembro de 2007 Professor: Maurício Cortez Reis Monitor: João Felipe Santoro 1 Questão (a) A variável k poderia ser usada como proxy para q. (b) A variável s poderia ser usada como instrumento para a variável x. 2 Questão (a) A primeira equação pode ser identificada pois satisfaz a condição de ordem. Com isso, podemos usar a variável preço como instrumento para a variável álcool. Já na segunda, não há instrumentos que possamos utilizar para ln(rendimentos), visto que a única variável exógena que seria uma candidata a instrumento já está incluída na segunda equação. (b) A estimação da primeira equação poderia ser feita utilizando preço como instrumento para álcool através do Método dos Mínimos Quadrados em Dois Estágios (MQ2E). Primeiro computaríamos a regressão de álcool nas variáveis exógenas (preço,educação) obtendo a parte do consumo de ácool que é exógena, que chamaremos de acoˆol, e depois computando uma regressão de ln(rendimentos) em acoˆol e educação. obs:não devemos computar o segundo estágio manualmente. Ver Wooldridge Pág.470 3 Questão (a) Não. O que é determinado na realidade pela equação é uma quantidade de cigarros de equilíbrio. Isso porque o preço, uma das variáveis explicativas, é determinado pela interação das forças de demanda por maços de cigarro e oferta de maços de cigarro. O que ocorre nessa regressão é um problema de endogeinidade: o preço afeta a demanda por cigarros e a demanda por cigarros, por sua vez, afeta o preço. (b) Sim. Supondo que o imposto é determinado exogenamente e como varia entre as cidades, serve como uma variável instrumental para o preço do cigarro, e assim podemos identificar e estimar a equação da demanda. 1 Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia PUC-RIo (c) Podemos utilizar o método de MQ2E. Primeiro computamos a seguinte regressão: Pˆ = pi1T + pi2R E depois: C = β0 + β1Pˆ + β2R (d) O fato do imposto ser determinado nacionalmente faz com que não haja mais correlação entre a variável imposto (T) e a variável preço (P). Isto é, Corr(T, P ) = 0. 4 Questão (a) Falso. O erro de mensuração da variável dependente não causa um efeito de viés nos estimadores, esse erro será incorporado pelo intercepto. (b) Verdadeiro. É razoável acreditar que exista correlação entre habilidade e educação, dado que pessoas com maior habilidade inata tenderão a obter mais anos de estudo. Logo, a economista C têm razão, o estimador pode sofrer de viés devido a omissão da variável habilidade. (c) (i) É a melhor opção, não tem correlação com habilidade e a correlação com educ é mais clara. No entanto, também podem estar correlacionados com u. (ii) Também serve, mas está menos correlacionada com educ, comparada com a primeira possibilidade. No entanto, também podem estar correlacionados com u. (iii) Esta seria a pior opção, pois o efeito da habilidade está aparecendo no erro. (d) Esperaríamos que o coeficiente fosse menor, pois estaria capturando somente a parte da habilidade do indivíduo que é oriunda da educação da mãe. Então, como parte do impacto da educação sobre o salário é devido a habilidade, que também aumenta o salário, quanto mais informação não correlacionada com u sobre a educação melhor. (e) O ideal é usar as duas variáveis instrumentais, assim perderemos menos informação sobre educ. 5 Questão (a) Esse problema nos diz que a variável explicativa que estaria sendo observada inclui um erro aleatório tal que: X = X∗ + e Onde X é o que está sendo observado e X* é a verdadeira variável. Então: 2 Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia PUC-RIo Y = β0 + β1X + (β1e+ u) Ou seja, poderemos ter um problema de estimadores viesados caso e seja correlacionado com X. (b) Ao adotar a variável nível de educação informado pelo próprio individuo , que, em média, está altamente correlacionado com o nível de educação reportado pela instituição, eliminamos o problema de mensuração a medida que admitimos que aquele não é o verdadeiro valor do nível educacional do individuo. Lembrando que os erros de medida das duas variáveis devem ser idependentes. 6 Questão (a),(b) e (c) { yi = β0 + β1xi + β2wi + u1i xi = δ0 + δ1yi + δ2wi + δ3zi + u2i Substituindo a primeira na segunda: xi = δ0 + δ1(β0 + β1xi + β2wi + u1i) + δ2wi + δ3zi + u2i xi − δ1β1xi = δ0 + δ1β0 + δ1β2wi + δ2wi + δ3zi + δ1u1i + u2i (1− δ1β1)xi = δ0 + δ1β0 + (δ1β2 + δ2)wi + δ3zi + δ1u1i + u2i Agora devemos fazer a hipótese adicional δ1β1 6= 1, e dividir a equação por (1− δ1β1): xi = δ0 + δ1β0 (1− δ1β1)︸ ︷︷ ︸ pi0 + (δ1β2 + δ2) (1− δ1β1)︸ ︷︷ ︸ pi1 wi + δ3 (1− δ1β1)︸ ︷︷ ︸ pi2 zi + δ1u1i + u2i (1− δ1β1)︸ ︷︷ ︸ v1 (d) Fazendo o MQ2E, usando z como instrumento para x (desde que z seja não-correlacionado com u1): xˆi = γ0 + γ1zi + γ2wi yi = β0 + β1xˆi + β2wi + u1i 7 Questão (a) βˆ1 = N∑ i=1 (Xi−X)Yi N∑ i=1 (Xi−X)2 = 348 = 0, 0625 (b) Não. Vejamos porque: t = βˆ1 ep(βˆ1) = 0,06250,0759 = 0, 823 p-valor = 0,43415 3 Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia PUC-RIo Não conseguimos rejeitar a hipótese nula de que β1 = 0 utilizando nenhum dos níveis de significân- cia razoáveis (1 a 10%). Para rejeitar H0 deveríamos ter um nível de significância de 43,4% e isto não é nem um pouco razoável. 8 Questão (a) βˆ1 = N∑ i=1 (Xi−X)Yi N∑ i=1 (Xi−X)2 = 0, 20 As mulheres têm uma probabilidade 20% menor de serem gerentes. (b) Poderíamos ter usado um modelo Probit ou Logit. Isso porque o modelo de probabilidade linear apresenta basicamente os seguintes problemas: 1) Heterocedasticidade 2) Dificuldade em interpretar probabilidades >1 e < 0 3) Efeitos marginais constantes No entanto, o o m.p.l é bem mais simples que o probit e o logit, o que o torna útil em várias aplicações. 9 Questão (a) βˆ1 = N∑ i=1 (Xi−X)Yi N∑ i=1 (Xi−X)2 = −25 = −0, 4 (b) V ar(βˆ1) = n∑ i=1 (Xi−X)2uˆ2i n∑ i=1 (Xi−X)2 (c) Antes, no modelo de probabilidade linear fazíamos: P (y = 1|x) = β0 + β1x1 + β2x2 + ...+ βkxk Agora temos: P (y = 1|x) = G(β0 + β1x1 + β2x2 + ...+ βkxk) Onde G é uma função assumindo valores estritamente entre 0 e 1. A diferença do modelo Probit para o Logit está na escolha da função G: Probit : G(z) = Φ(z) = z∫ −∞ φ(v)dv Onde φ(z) é a densidade normal padrão: 4 Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia PUC-RIo φ(z) = (2pi)−1/2 exp(−z 2 2 ) Logit : G(z) = exp(z)1+exp(z) (d) A meta principal desses modelos de resposta binária é explicar os efeitos de x sobre a probabilidade de resposta P(y=1|x). No entanto, quando estimamos utilizando a função objetivo G(z), os coeficientes não têm mais uma interpretação direta. Apesar disso, o sinal dos coeficientes permanece o mesmo. Para medir o efeito parcial da variável X sobre a variável Y, temos que confiar no cálculo: ∂P (y=1|X) ∂X = G ′(β0 + β1X)β1 onde, G′(z) = ∂G∂z (z). 5 Disponibilizado por Otávio Merçon e todos os colaboradores do Blog Economia PUC-RIo
Compartilhar