Prévia do material em texto
11.1. Diga se as afirmações a seguir são verdadeiras, falsas ou incertas e apresente uma breve justificativa: a. Na presença da heterocedasticidade, os estimadores de MQO são tendenciosos, bem como ineficientes. Falso, visto que, a questão alega que, na presença de heterocedasticidade os estimadores MQO são tendenciosos, porém, eles não são tendenciosos, mas sim, ineficientes. b. Se a heterocedasticidade estiver presente, os testes t e F convencionais serão inválidos. Verdadeira, se houver a presença de variância, os testes t e F serão inválidos, visto que, a hipótese a ser aceita para que a heterocedasticidade seja válida é a hipótese nula. E esta, ao ser aceita, invalida os testes t e F. c. Na presença de heterocedasticidade, o método usual de MQO sempre estima os erros padrão dos estimadores para mais. Incerta, pois, a questão alega que o método de MQO estima os erros padrões para mais variância, o motivo da questão estar incorreta é porque isso não ocorre em todos os casos. Logo, como poderá ocorrer em alguns casos, a questão não está totalmente errada. d. Se os resíduos estimados de uma regressão MQO exibirem um padrão sistemático, significa que a heterocedasticidade está presente nos dados. Falsa, pode a heterocedasticidade estar presente, porém, isto pode estar sinalizando auto correlação ou outros erros. e. Não há teste geral de heterocedasticidade que seja livre de qualquer pressuposto a respeito de qual variável o termo de erro está correlacionado. Verdadeira, analisando que o erro não é observado de modo direto, não se pode evitar a heterocedasticidade. f. Se um modelo de regressão for mal especificado (isto é, uma variável importante é omitida), os resíduos de MQO mostrarão um padrão distinto. Verdadeira, pois a heterocedasticidade vai estar presente nos dados, podendo até mesmo atribuir esse padrão para a auto correlação ou algum outro tipo de erro. g. Se o regressor que tem uma variância não constante for (incorretamente) omitido de um modelo, os resíduos (MQO) serão heterocedásticos. Falsa, pois a heterocedasticidade faz referência à variância do erro, e não com o regressor. 11.2. Em uma regressão de salários médios (W, $) contra o número de funcionários (N), para uma amostra randômica de 30 empresas, foram obtidos os seguintes resultados da regressão: * 𝑊 = 7,5 + 0,009𝑁 (1) 𝑡 = 𝑛. 𝑎. (16,10) 𝑅2 = 0,90 𝑊 𝑁⁄ = 0,008 + 7,8 (1 𝑁)⁄ (2) t = (14,43) (76,58) R² = 0,99 a. Como se interpreta as duas regressões? A primeira regressão tem menor confiabilidade, visto que, a partir do teste t nota-se que não há significância. Na segunda regressão, feita a partir dos Mínimos Quadrados Ponderados, o pesquisador faz valer o teste t. b. O que o autor está supondo ao passar da Equação (1) para a Equação (2)? Ele estaria preocupado com a heterocedasticidade? Como se pode saber? Quando o autor passa da primeira para a segunda equação, sabe-se que existe heterocedasticidade, sendo assim, ele executa o método dos Mínimos Quadrados Ponderados para corrigir o problema. c. É possível relacionar os coeficientes angulares e os interceptos dos dois modelos? É possível, visto que, na primeira equação não há validade no alpha, porém, há na segunda equação. d. Pode-se comparar os valores R2 dos dois modelos? Por quê? Sim, pois no primeiro R2 para o segundo R2 houve uma melhora significativa. 11.21. Tendo os dados: SQR1 com base nas 30 primeiras observações = 55, graus de liberdade = 25 SQR2 com base nas 30 últimas observações = 140, graus de liberdade = 25 Efetue o teste Goldfeld-Quandt de heterocedasticidade no nível de 5% de significância. 𝛾 = 𝑆𝑄𝑅2 𝐺𝐿⁄ 𝑆𝑄𝑅1 𝐺𝐿⁄ 𝛾 = 140 25⁄ 55 25⁄ 𝛾 = 5,6 2,2 𝛾 = 2,545454 F (1;25) = 4,42 Ao nível de 5% de significância, aceita-se a Hipótese nula de Homocedasticidade e rejeita- se a Hipótese alternativa de Heterocedasticidade. 11.22. A Tabela 11.9 apresenta dados sobre a mudança percentual por ano para preços de ações (Y) e preços (X) de consumo, para um corte transversal de 20 países. País Preço das ações (Y) Preços ao consumidor (X) Austrália 5,0 4,3 Áustria 11,1 4,6 Bélgica 3,2 2,4 Canadá 7,9 2,4 A H0: Homocedasticidade. R H1: Heterocedasticidade. Chile 25,5 26,4 Dinamarca 3,8 4,2 Finlândia 11,1 5,5 França 9,9 4,7 Alemanha 13,3 2,2 Índia 1,5 4,0 Irlanda 6,4 4,0 Israel 8,9 8,4 Itália 8,1 3,3 Japão 13,5 4,7 México 4,7 5,2 Países Baixos 7,5 3,6 Nova Zelândia 4,7 3,6 Suécia 8,0 4,0 Reino Unido 7,5 3,9 Estados Unidos 9,0 2,1 a. Trace os dados em um diagrama de dispersão. b. Faça a regressão de Y contra X e examine os resíduos dessa regressão. O que você observa? RESUMO DOS RESULTADOS Estatística de regressão R múltiplo 0,765754781 R-Quadrado 0,586380384 R-quadrado ajustado 0,563401517 Erro padrão 3,390969075 -8 -6 -4 -2 0 2 4 6 8 0,0 5,0 10,0 15,0 20,0 25,0 30,0R e sí d u o s Variável X 1 Variável X 1 Plotagem de resíduos Observações 20 ANOVA gl SQ MQ F Regressão 1 293,4259172 293,4259172 25,51824557 Resíduo 18 206,9760828 11,49867127 Total 19 500,402 Coeficientes Erro padrão Stat t valor-P Interseção 4,610282086 1,084905507 4,249478 0,000482221 Variável X 1 0,757433413 0,149940534 5,051558727 8,30496E-05 RESULTADOS DE RESÍDUOS Observação Y previsto Resíduos 1 7,867245763 -2,867245763 2 8,094475787 3,005524213 3 6,428122278 -3,228122278 4 6,428122278 1,471877722 5 24,6065242 0,893475802 6 7,791502422 -3,991502422 7 8,776165859 2,323834141 8 8,170219129 1,729780871 9 6,276635595 7,023364405 10 7,640015739 -6,140015739 11 7,640015739 -1,240015739 12 10,97272276 -2,072722758 13 7,10981235 0,99018765 14 8,170219129 5,329780871 15 8,548935835 -3,848935835 16 7,337042374 0,162957626 17 7,337042374 -2,637042374 18 7,640015739 0,359984261 19 7,564272398 -0,064272398 20 6,200892254 2,799107746 Através da análise de dispersão dos resíduos da regressão, percebe-se que o resíduo referente ao Chile predomina sobre os demais, ou seja, sinaliza heterocedasticidade. c. Uma vez que os dados para o Chile parecem atípicos (discrepantes?), repita a regressão em (b) excluindo os dados do Chile. Agora examine os resíduos dessa regressão. O que se observa? RESUMO DOS RESULTADOS Estatística de regressão R múltiplo 0,096241068 R-Quadrado 0,009262343 R-quadrado ajustado -0,049016343 Erro padrão 3,390619254 Observações 19 ANOVA gl SQ MQ F Regressão 1 1,827128794 1,827128794 0,158931914 Resíduo 17 195,4370817 11,49629893 Total 18 197,2642105 Coeficientes Erro padrão Stat t valor-P Interseção 6,738082184 2,384859622 2,825357988 0,011665352 Variável X 1 0,221484287 0,55556818 0,398662657 0,695104595 RESULTADOS DE RESÍDUOS Observação Y previsto Resíduos 1 7,690464617 -2,690464617 2 7,756909903 3,343090097 3 7,269644472 -4,069644472 4 7,269644472 0,630355528 5 7,668316188 -3,868316188 6 7,956245761 3,143754239 7 7,779058331 2,120941669 8 7,225347615 6,074652385 9 7,624019331 -6,124019331 10 7,624019331 -1,224019331 11 8,598550192 0,301449808 12 7,46898033 0,63101967 13 7,779058331 5,720941669 14 7,889800475 -3,189800475 15 7,535425616 -0,035425616 16 7,535425616 -2,835425616 17 7,624019331 0,375980669 18 7,601870902 -0,101870902 19 7,203199186 1,796800814 Fazendo um comparativo entre a regressão atual e a regressão anterior, percebe-se que na anterior (com o país Chile) o coeficiente angular era muito significativo, porém, é possível perceber que nesta última não é. Além disso, segue havendo um “outlier”, o que pode prejudicar os dados da regressão. d. Se, com base nos resultados em (b), conclui-seque havia heterocedasticidade na variância do erro, mas com base nos resultados em (c) essa conclusão é invalidada, a que conclusões gerais você pode chegar? Podemos concluir que, com base nos testes, há pouca relação quando são excluídos os dados referentes ao país Chile, sinalizando pouca relação entre as variáveis X e Y.