Baixe o app para aproveitar ainda mais
Prévia do material em texto
_______________________________________________________________________________________ Teste 2 de Econometria I IE-UFRJ 2015.01 _______________________________________________________________________________________ 1) Além do método dos mínimos quadrados ordinários, outros métodos de estimação podem ser utilizados para se estimar os parâmetros do modelo de regressão 𝑌𝑖 = 𝛽1 + 𝛽2𝑋𝑖 + 𝑢𝑖 . Em particular, conhecendo a distribuição de Yi, podemos obter uma estimativa para os parâmetros 𝛽1 𝑒 𝛽2 que maximize a probabilidade de observarmos os valores amostrais que temos para Yi , i = 1, 2, ... , n. Imagine que, no modelo proposto, os Yi se distribuam de maneira normal e independente, com média dada por 𝜇 = 𝛽1 + 𝛽2𝑋𝑖 e variância 𝜎 2. Sabemos que a função de densidade de uma variável com distribuição normal com média 𝜇 = 𝛽1 + 𝛽2𝑋𝑖 e variância 𝜎 2 é dada por 𝑓(𝑌𝑖) = 1 𝜎√2𝜋 𝑒𝑥𝑝 {− 1 2 (𝑌𝑖 − 𝛽1 − 𝛽2𝑋𝑖) 2 𝜎2 } Assim, a probabilidade conjunta de observarmos 𝑌1, 𝑌2, … , 𝑌𝑛 será dada pelo produto 𝑓(𝑌1). 𝑓(𝑌2). … . 𝑓(𝑌𝑛). Ou seja, 𝑓(𝑌1, 𝑌2, … , 𝑌𝑛; 𝛽1 + 𝛽2 , 𝜎 2) = 1 𝜎𝑛(2𝜋)𝑛 𝑒𝑥𝑝 {− 1 2 ∑ (𝑌𝑖 − 𝛽1 − 𝛽2𝑋𝑖) 2 𝜎2 𝑛 𝑖=1 } Com valores conhecidos para Yi (e Xi), mas não conhecidos para 𝛽1, 𝛽2, 𝑒 𝜎 2, a função acima é chamada de função de verossimilhança (FV). Na sua forma logarítmica (i.e., aplicando-se o ln), a função de verossimilhança torna-se: 𝑙𝑛𝐹𝑉 = − 𝑛 2 ln 𝜎2 − 𝑛 2 ln(2𝜋) − 1 2 ∑ (𝑌𝑖 − 𝛽1 − 𝛽2𝑋𝑖) 2 𝜎2 𝑛 𝑖=1 Os valores dos betas que maximizam essa função (lnFV) são os estimadores de máxima verossimilhança �̂�1𝑀𝑉 𝑒 �̂�2𝑀𝑉. Ou seja, para obtê-los, é necessário maximizar lnFV em relação à 𝛽1 e à 𝛽2 (um exercício direto de cálculo diferencial). Com base nessas informações, obtenha os estimadores de máxima verossimilhança para 𝛽1 e à 𝛽2. Eles diferem dos obtidos por MQO? 2) Suponha agora que um modelo semelhante foi estimado por MQO e os seguintes resultados foram obtidos: �̂�𝑖 = 2,374 + 0,1054𝑋𝑖 Y = proporção da renda total do país apropriada pelos 20% mais pobres (em pontos percentuais); X= taxa de variação do consumo final da administração pública (em pontos percentuais) a) Interprete o resultado da regressão. b) Podemos construir a variável aleatória 𝑡 = �̂�−𝛽 𝑒𝑝�̂� ∼ 𝑡𝑛−𝑘 . E, para um dado nível de significância 𝛼, podemos obter da tabela de distribuição t, os valores críticos (tc) tais que 𝑝𝑟𝑜𝑏(−𝑡𝑐 ≤ 𝑡 ≤ 𝑡𝑐) = 1 − 𝛼. Substituindo a variável aleatória 𝑡 = �̂�−𝛽 𝑒𝑝�̂� na expressão da probabilidade e rearranjando os termos, podemos escrever 𝑝𝑟𝑜𝑏(�̂� − 𝑡𝑐 . 𝑒𝑝�̂� ≤ 𝛽 ≤ �̂� + 𝑡𝑐 . 𝑒𝑝�̂�) = 1 − 𝛼 . Assim, supondo um 𝛼 = 5%, podemos dizer que, em amostras repetidas, em 95 de 100 vezes, o intervalo �̂� ± 𝑡𝑐 . 𝑒𝑝�̂� conterá o valor específico 𝛽. Utilizando o valor t crítico (tc) = 2 e sabendo que o erro-padrão estimado para o coeficiente angular (𝛽2) é ep=0,05, construa um intervalo de confiança para 𝛽2.
Compartilhar