Baixe o app para aproveitar ainda mais
Prévia do material em texto
Universidade Federal da Paraíba Centro de Ciências Sociais Aplicadas Departamento de Economia Curso de Introdução a Econometria Prof. Titular Paulo Amilton Maia Leite Filho Turma: 2017.2 Horário: Noite 1) A respeito do modelo de regressão múltipla: iiii eXXY 22110 em que ie tem média zero e variância 2 , são corretas as afirmativas: ① Se os erros são autocorrelacionados, ainda assim os estimadores de Mínimos Quadrados Ordinários de 1 e 2 são lineares e não tendenciosos. VERDADEIRO. E[e] = 0 Var[e] = 2 (homocedacidade) constante Cov(e1, e2) = 0 não autocorrelação Quando se aumenta a amostra, o ^ estimado se aproxima do real. Só precisamos da hipótese E[e]=0. Na média o erro é inexistente, desprezível. ② Se os erros são heterocedásticos, ainda assim os testes usuais t e F podem, sem prejuízo algum, ser empregados para se testar a significância dos parâmetros do modelo, caso estes sejam estimados por Mínimos Quadrados Ordinários. FALSO. H0 = ^ = 0 (não tem significância estatística) H1 = ^ 0 (tem significância) O teste t => t = ^ / DP Na presença de heterocedacidade, o desvio padrão é afetado, consequentemente o teste t é afetado como um todo. Se a hipótese de homocedacidade é abandonada, o desvio padrão (DP) do erro passa a ser muito grande (inflada) e afeta o teste t, o mesmo acontece no teste F. ③ Erros de medida da variável dependente reduzem as variâncias dos estimadores de Mínimos Quadrados Ordinários de 1ˆ e 2ˆ . FALSO. Medir errado a variável dependente aumenta o erro, aumenta a variância. Cria heterocedacidade. ④ A omissão da variável explicativa relevante, X2, para explicar a variável dependente, Yi, torna a estimativa dos coeficientes 0 e 1 tendenciosa e inconsistente, se somente se, a variável omitida X2, for correlacionada com a variável incluída, X1. FALSO. O erro de especificação (omissão de variável explicativa) implica em aumento do erro, porque a variável omitida passa a ser um elemento do erro e isso implica em aumento da variância. A omissão afetará o Y^ de todo o jeito. William: A omissão da variável explicativa relevante X2 torna a estimativa dos coeficiente de 0 e 1 tendenciosa e inconsistente, esta não pode ser omitida de forma alguma (verdade), porém a segunda parte da frase é que está errada, o se somente se diz que a estimativa dos coeficientes é tendenciosa e inconsistente quando a variável omitida for correlacionada com a variável incluída. A variável relevante não pode ser omitida. 2) Julgue as afirmativas: 0) A Heterocedasticidade ocorre quando o erro aleatório em um modelo de regressão é correlacionado com uma das variáveis explicativas. FALSO. A heterocedacidade ocorre quando a variância do erro não é constante. Por hipótese a erro não se relaciona com as variáveis explicativas no modelo, somente com as ausentes. 1) Quando o erro aleatório em um modelo de regressão é correlacionado com alguma variável explicativa, os estimadores de mínimos quadrados não são consistentes. FALSO. Um estimador consistente tem algumas propriedades: a) não ser tendencioso b) tem que ser eficiente (menor variância possível) c) tem que ter robustes (quando a) e b) estão presentes) d) E ter consistência (é adequado quando o estimador consegue obter o padrão médio, ou seja, ser consistente é ter uma média representativa) Padrão é média. A consistência implica que o valor obtido, que é a média, tem aderência com o valor médio verdadeiro do parâmetro. 2) Na presença de heterocedasticidade, estimadores de mínimos quadrados ordinários são ineficientes. VERDADEIRO. A heterocedacidade causa maior variância e consequentemente os estimadores são ineficientes. 3) Os testes t e F usuais não são válidos na presença de heterocedasticidade. VERDADEIRO. Na presença de erros heterocedásticos indica nulidade dos teste t e F. 4) Na presença de heterocedasticidade, estimadores de mínimos quadrados ordinários são não viesados, mas são inconsistentes. FALSO. Na presença de heterocedasticidade os estimadores são viesados e não tem nada haver com inconsistência. 5 487 i : log(renda = 0 883− 0 169 genero + 0,004 educ + 0,014 exper − 0 009 exper × genero + uˆ, (0,073) (0,059) (0,0003) (0,002) (0,002) R2 = 0,458, n = 487, em que 1 0 ), educ de anos de escolaridade e exper - afirmar: Explicação: A variável gênero tem o seu ^ (estimado) = - 0,169 e o erro (0,059 = 5,9%) As hipóteses: H0 ^gênero = 0 (não é válida estatisticamente) H1 ^gênero 0 (é válida estatisticamente) Se o erro for 0,05 (5%) => aceita H1 0,05 (5%) => aceita H0 Como o percentual da variável gênero é maior de 5% => aceita H0, então a variável gênero não é estatisticamente válida. A variável gênero assumo valores 1 para mulher e 0 para homem, ou seja, se for homem, não tem influencia na renda, se for mulher, reduz o valor da renda, pois o seu ^ é negativo. R 2 = 0458 => 45,8% das variáveis explicativas explicam a renda (0) A 5%, o efeito de um ano a estatisticamente maior do que o efeito para mulheres. FALSO. Não posso dizer nada, pois não existe nenhuma variável que capte isso no modelo. William: Teria que ter uma variável do tipo educ x gêner. Caso existisse essa variável, precisaria verificar o percentual do erro do beta e ver se aceita H0 ou H1. Depois verificaria o sinal da variável educ x gênero e analisar como se comportaria o resultado. (1) 0,9% menor do que para os homens. VERDADEIRO. Observe a variável − 0 009 exper × gênero. O valor 0,009 = 0,9%. Como para mulher a variável gênero recebe o valor 1e homem recebe 0. O sinal negativo vai diminuir a renda da mulher 0,9% quando houver aumento na experiência profissional (exper). (2) O modelo acim exper e . FALSO. Não tem nada haver. A variável está presente no modelo que foi utilizado para estimar os mínimos quadrados. 3 superior a das mulheres. FALSO. Não existe uma variável que interaja esse duas coisas (educ x gênero e exper x gênero) e a variável gênero não é estatisticamente válida. 10 anos de escolaridade, 1 ano adicional de estudo acarreta um aumento da renda de aproximadamente 14%. FALSO. O valor do beta da variável educ é 0,004 = 4%, então um aumento em 1 ano na escolaridade só aumentaria em 4% a renda e não 14%. 6) Um econometrista estimou uma função consumo usando 25 observações anuais da renda pessoal disponível e consumo, a partir do modelo: 1 2t t tC Y u , em que: tC = consumo em t; tY = renda pessoaldisponível em t; tu = erro aleatório Os resultados indicaram parâmetros significativos a 5%, coeficiente de determinação de 0,94 e d de Durbin-Watson 0,5421. Com base nesses números, o econometrista fez o teste de Dickey-Fuller aumentado (ADF) para as séries de renda e de consumo, obtendo estimativas de menores que os valores críticos de tabelados, a 1%, 5% e 10%. ( = t, do teste t) Conseqüentemente, o econometrista: Ⓞ Aceitou a hipótese nula do teste ADF, concluindo que as séries de renda e consumo são não- estacionárias; (ESTA PERGUNTA FOI CANCELADA POR NÃO TERMOS VISTO ESTE ASSUNTO.) ① Concluiu que os testes t e F não são válidos. FALSO. O teste é verdadeiro para o teste t, porém não posso dizer nada sobre o teste F. ② Concluiu que o teste t não é válido. FALSO. O teste t é válido, pois obteve as estimativas de menores que os valores críticos de tabelados, a 1%, 5% e 10%. ③ Concluiu que a regressão estimada é espúria. FALSO. Existe um número de teorias explicando a relação entre consumo e renda. Espúria é tudo aquilo que não existe uma teoria para dar suporte. ④ Necessita fazer mais outros testes para verificar se a regressão estimada é espúria. FALSO. A relação não é espúria.
Compartilhar