Baixe o app para aproveitar ainda mais
Prévia do material em texto
O Modelo lin-log Diferentemente do modelo log-lin que nos dá o crescimento percentual de Y para uma variação absoluta de X, imaginemos agora que desejamos conhecer a variação absoluta de Y dada uma variação percentual de X. Um modelo que poderia atingir esse propósito seria: Yi = 0 + 1.ln Xi + ui Para fins descritivos, denominaremos esse modelo de lin-log. Nesse modelo, temos: ΔY = 1.(ΔX/X) Essa equação nos diz que a variação absoluta de Y (= ΔY) é igual ao coeficiente angular (1) multiplicado pela variação relativa em X. Se esta última for multiplicada por 100, então a equação nos proporciona a variação absoluta em Y para uma variação percentual de X. Assim, se X varia 0,01 unidade (ΔX/X = 0,01), ou 1%, a variação absoluta de Y será 0,01.1. Se, em uma aplicação, obtemos 1 = 500, a variação absoluta em Y será de 0,01.500 = 5,0. Uma pergunta pertinente é: quando é útil um modelo lin-log? Uma aplicação interessante são os chamados modelos de despesas de Engel, que assume que o total das despesas com alimentação tende a aumentar em progressão aritmética enquanto as despesas totais aumentam em progressão geométrica. Exemplo: Considere os dados de despesas totais e despesas com alimentação da Índia. Abaixo apresentamos um diagrama de dispersão para esses dados: Como a figura sugere, as despesas com alimentação aumentam mais lentamente que as despesas totais, o que parece confirmar a lei de Engel. Os resultados de um ajustamento do modelo lin-log para esses dados são: da = -1283.912044 + 257.2700301*LN dt Dependent Variable: da Method: Least Squares Date: 04/16/13 Time: 16:50 Sample: 1 55 Included observations: 55 Variable Coefficient Std. Error t-Statistic Prob. C -1283.912 292.8105 -4.384788 0.0001 LN dt 257.2700 45.43413 5.662484 0.0000 R-squared 0.376938 Mean dependent var 373.3455 Adjusted R-squared 0.365182 S.D. dependent var 83.43510 S.E. of regression 66.47732 Akaike info criterion 11.26728 Sum squared resid 234219.4 Schwarz criterion 11.34028 Log likelihood -307.8503 F-statistic 32.06372 Durbin-Watson stat 2.104537 Prob(F-statistic) 0.000001 O coeficiente angular de cerca de 257 significa que um aumento de 1% em média nas despesas totais será acompanhado por um aumento de cerca de 2,57 rupias nas despesas com alimentos das 55 famílias incluídas na amostra. Modelos recíprocos Os modelos do seguinte tipo são conhecidos como modelos recíprocos: Embora esse modelo seja não linear na variável X porque ela entra de modo inverso (ou recíproco), o modelo é linear nos parâmetros. Esse modelo tem a seguinte característica, quando X aumenta indefinidamente, o termo 1.(1/X) tende a zero e Y se aproxima do valor assintótico dado por 0. Algumas formas possíveis desse modelo são: Exemplo: Considere os dados sobre Mortalidade Infantil e PNB per capita. Vamos construir um diagrama de dispersão para esses dados: Como se vê, o gráfico se assemelha ao do modelo recíproco. Quando o PNB per capita aumenta, seria de se esperar uma redução da mortalidade infantil porque as pessoas podem se permitir maiores gastos com saúde. Mas essa relação não é uma linha reta. No início, um aumento do PNB per capita provoca queda substancial na Mortalidade Infantil, mas essa queda se ameniza com a continuação do aumento do PNB. Exercícios 1) Com os dados de Mortalidade Infantil e PNB per capita de 64 países, obtenha um modelo recíproco de MI em função de PNB. Com esse modelo, obtenha o valor assintótico da Mortalidade Infantil, considerando um aumento indefinido no PNB per capita. MI = 46.186308411 + 36152.5009102*1/PNBPC Dependent Variable: MI Method: Least Squares Date: 04/20/18 Time: 10:34 Sample: 1 84 Included observations: 84 Variable Coefficient Std. Error t-Statistic Prob. C 46.18631 7.955213 5.805792 0.0000 1/PNBPC 36152.50 3173.691 11.39131 0.0000 R-squared 0.612773 Mean dependent var 106.3452 Adjusted R-squared 0.608051 S.D. dependent var 87.09564 S.E. of regression 54.52698 Akaike info criterion 10.85879 Sum squared resid 243801.7 Schwarz criterion 10.91667 Log likelihood -454.0692 Hannan-Quinn criter. 10.88206 F-statistic 129.7620 Durbin-Watson stat 1.597033 Prob(F-statistic) 0.000000 2) A curva de despesas de Engel relaciona as despesas de um consumidor em um bem dado com a sua renda total. Fazendo Y = despesas de consumo em um bem e X = renda do consumidor, considere os seguintes modelos: Y = 0 + 1.X + u Y = 0 + 1.(1/X) + u Ln Y = 0 + 1.X + u Y = 0 + 1.Ln X + u Ln Y = 0 + 1.Ln X + u Qual desses modelos você escolheria para representar a curva de despesas de Engel e por quê?
Compartilhar