Logo Passei Direto
Buscar
Material
páginas com resultados encontrados.
páginas com resultados encontrados.

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

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.