Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 UNIVERSIDADE FEDERAL FLUMINENSE INSTITUTO DE CIÊNCIA DA SOCIEDADE E DESENVOLVIMENTO REGIONAL DEPARTAMENTO DE CIÊNCIAS ECONÔMICAS ECONOMETRIA – O MODELO DE REGRESSÃO LINEAR SIMPLES Questão 1 – De uma amostra de 200 pares de observações, foram calculadas as seguintes quantidades: ∑ 𝑋 = 11,34 ∑ 𝑌 = 20,72 ∑ 𝑋2 = 12,16 ∑ 𝑌2 = 84,96 ∑ 𝑋𝑌 = 22,13 Estime a regressão �̂� = 𝛽0̂ + 𝛽1̂𝑋 Solução: 𝛽2̂ = 𝑛 ∑ 𝑋𝑌 − ∑ 𝑋 . ∑ 𝑌 𝑛. ∑ 𝑋2 − (∑ 𝑋)2 = 200(22,13) − (11,43). (20,72) 200(12,16) − (11,34)2 = = 4.426 − 234,9648 2.432 − 128,5956 = 4.191,0352 2.303, 4044 = 1,8195 𝛽1̂ = �̅� − 𝛽2̂�̅� 𝛽1̂ = 0,1036 − (1,819496). (0,0567) ≅ 0,0004 �̂� = 𝛽0̂ + 𝛽1̂𝑋 → �̂� = 0,0004 + 1,819496 2 Questão 2 – A seguir são fornecidos os dados para o PIB do país ABC. Monte o modelo de crescimento (constante) do PIB entre os anos de 1991 (X=1) a 2000 (X=10). a) Calcule o coeficiente de determinação; Obs Y X XY X2 y2 1 32 1 32 1 1024 2 44 2 88 4 1936 3 53 3 159 9 2809 4 68 4 272 16 4624 5 73 5 365 25 5329 6 89 6 534 36 7921 7 102 7 714 49 10404 8 115 8 920 64 13225 9 127 9 1143 81 16129 10 134 10 1340 100 17956 TOTAL 837 55 5567 385 81357 O coeficiente de determinação, r 2 , pode ser calculado utilizando umas das duas fórmulas que seguem: 1º CÁLCULO 𝑟2 = [ 𝑐𝑜𝑣(𝑋𝑌) 𝐷𝑃(𝑋). 𝐷𝑃(𝑌) ] 2 = [ 𝑛 ∑ 𝑋𝑌 − ∑ 𝑋 . ∑ 𝑌 √𝑛 ∑ 𝑋2 − (∑ 𝑋)2 . √𝑛 ∑ 𝑌2 − (∑ 𝑌)2 ] 2 = [ 10(5.567) − (55). (837) √10(385) − (55)2 . √10(81.357) − (837)2 ] 2 = [ 55.670 − 46.035 √3.850 − 3.025 . √813.570 − 700.569 ] 2 = [ 9.635 (28,7228). (336,1562) ] 2 = ( 9.635 9.655,3477 ) 2 = (0,9979)2 = 0,9958 3 2ª CÁLCULO: Obs Y X Y^ SQT = (y-Yme)2 SQE = (Y^-Yme)2 SQR = (Y-Y^)2 1 32 1 31,1488 2.672,8900 2.761,6299 0,7246 2 44 2 42,8276 1.576,0900 1.670,5551 1,3746 3 53 3 54,5064 942,4900 852,2684 2,2691 4 68 4 66,1852 246,4900 306,7699 3,2937 5 73 5 77,8639 114,4900 34,0596 23,6579 6 89 6 89,5427 28,0900 34,1375 0,2946 7 102 7 101,2215 334,8900 307,0035 0,6060 8 115 8 112,9003 979,6900 852,6577 4,4087 9 127 9 124,5791 1.874,8900 1.671,1001 5,8608 10 134 10 136,2579 2.530,0900 2.762,3306 5,0980 TOTAL 837 55 11.300,1000 11.252,5122 47,5880 𝑟2 = 𝑆𝑄𝐸 𝑆𝑄𝑇 = 11.252,5122 11.300,1000 = 0,9958 𝑂𝑈 𝑟2 = 1 − (𝑆𝑄𝑅/𝑆𝑄𝑇) = 1 − ( 47,5880 11.300,1000 ) = 0,9558 b) Calcule os valores dos coeficientes, seus valores t e o intervalo de confiança das estimativas (95%); [Use t(0,025;8) = 2,306]. Obs Y X XY X 2 Y 2 1 32 1 32 1 1024 2 44 2 88 4 1936 3 53 3 159 9 2809 4 68 4 272 16 4624 5 73 5 365 25 5329 6 89 6 534 36 7921 7 102 7 714 49 10404 8 115 8 920 64 13225 9 127 9 1143 81 16129 10 134 10 1340 100 17956 TOTAL 837 55 5567 385 81357 4 Solução: 𝛽2̂ = 𝑛 ∑ 𝑋𝑌 − ∑ 𝑋 . ∑ 𝑌 𝑛. ∑ 𝑋2 − (∑ 𝑋)2 = 10(5.567) − (55). (837) 10(385) − (55)2 = = 55.670 − 46.035 3.850 − 3.025 = 9.635 825 = 11,6788 𝛽1̂ = �̅� − 𝛽2̂�̅� 𝛽1̂ = 83,70 − (11,6788). (5,5) ≅ 19,47 �̂� = 𝛽0̂ + 𝛽1̂𝑋 → �̂� = 19,47 + 11,6788 𝑡𝑐𝑎𝑙𝑐 = �̂� 𝑒𝑝(�̂�) Para o cálculo do teste t, torna-se necessário calcular os erros padrão das estimativas. �̂�2 = ∑ 𝑢𝑖2 𝑛−2 = ∑(𝑌𝑖−�̂�1− �̂�2𝑋𝑖 ) 2 𝑛−2 �̂�2 = 47,588 10−2 = 5,9485 𝑒𝑝(�̂�) = √𝑣𝑎𝑟(�̂�) 𝑒𝑝(𝛽1̂) = √𝑣𝑎𝑟(𝛽1̂) = �̂�2. ∑ 𝑋𝑖2 𝑛 ∑(𝑋𝑖 − �̅�)2 → 𝑒𝑝(𝛽1̂) = √2,77596 = 1,6661 𝑒𝑝(𝛽2̂) = √𝑣𝑎𝑟(𝛽2̂) = �̂�2 ∑(𝑋𝑖 − �̅�)2 → 𝑒𝑝(𝛽2̂) = √0,0727 = 0,2685197 5 𝑠𝑡𝑎𝑡 𝑡 = 𝑡𝑐𝑎𝑙𝑐 = �̂� 𝑒𝑝(�̂�) 𝑃𝑎𝑟𝑎 �̂�1 → 𝑡𝑐𝑎𝑙𝑐 = 19,46667 1,6661272 = 11,6838 Na tabela t-student o valor crítico é t = 2,306. Como tcalc = 11,6838 > t = 2,306, rejeita- se 𝐻0: �̂�1 = 0, em que o stat t mostra-se estatisticamente significativo. 𝑃𝑎𝑟𝑎 �̂�2 → 𝑡𝑐𝑎𝑙𝑐 = 11,678787879 1,66612720,2685197 = 43,49322032 Na tabela t-student o valor crítico é t = 2,306. Como tcalc = 43,49322032 > t = 2,306, rejeita-se 𝐻0: �̂�2 = 0, em que o stat t mostra-se estatisticamente significativo. 𝐼𝐶 = [�̂�1 − 𝑡(𝛼 2 ;𝑛−2) . 𝑒𝑝(�̂�1) < 𝛽1 < �̂�1 + 𝑡(𝛼 2 ;𝑛−2) . 𝑒𝑝(�̂�1)] = 1 − 𝛼% 𝐼𝐶 = [19,46667 − (2,306 ). (1,6661212)] = 0,95 𝐼𝐶 = [15,62458447; 23,30874887]0,95 𝐼𝐶 = [�̂�2 − 𝑡(𝛼 2 ;𝑛−2) . 𝑒𝑝(�̂�2) < 𝛽2 < �̂�2 + 𝑡(𝛼 2 ;𝑛−2) . 𝑒𝑝(�̂�2)] = 1 − 𝛼% 𝐼𝐶 = [11,679 − (2,306 ). (0,2685)] = 0,95 𝐼𝐶 = [11,0595; 12,29799]0,95 Conclusão: Estima-se que a estimativa do coeficiente angular, �̂�1 ∈ 𝐼𝐶 = [15,62458447; 23,30874887] , com 5% de significância. Como o intervalo não inclui o zero pode-se rejeitar H0, com evidências de que há relação significativa entre as variáveis. De forma análoga para �̂�2. 6 Questão 3 – Complete a saída do Excel apresentada a seguir: Estatística da regressão R múltiplo 0,02191 R-Quadrado R-quad ajusta -0,12446 Erro padrão 2,26054 Observações 10 ANOVA Gl SQ MQ F Regressão 1 0,01963 Resíduos 8 5,11005 Total 9 ------------ Coeficientes Erro padrão Stat t Valor-P 95% infs 95% sups Interseção 3,3773 0,74544 0,47733 -7,0703 13,82491 X -0,01227 0,19796 0,9521 -0,46876 0,44422 a) Preencha as lacunas de todas as tabelas de resultados; b) Comente os resultados obtidos. Questões 4, 5 e 6 – Completando as saídas do Excel: ANOVA gl SQ MQ F Regressão Resíduos Total ------------ Coeficientes Erro padrão Stat t Valor-P 95% infs 95% sups Interseção X Estatística da regressão R múltiplo R-Quadrado R-quad ajusta Erro padrão Observações 7 Questão 4 – Complete a saída do Excel apresentada a seguir: ANOVA gl SQ MQ F Regressão 1693,56055 96,9801 Resíduos 9 17,46297 Total ------------ Coeficientes Erro padrão Stat t Valor-P 95% infs 95% sups Interseção 18,62104 5,50338 0,00038 10,96688 26,27521 X 0,06338 9,84785 0,00000 0,48081 0,76758 a) Preencha as lacunas de todas as tabelas de resultados; b) Comente os resultados obtidos. Questão 5 – Um economista montou um modelo explicativo linear simples em que a despesa é função da renda. Rodada a regressão com dados amostrais, foram obtidos os seguintes resultados: Estatística da regressão R múltiplo 0,965510599 R-Quadrado 0,932210716 R-quad ajusta 0,929603436 Erro padrão 0,396010323 Observações 28 ANOVA gl SQ MQ F F signif Regressão 1 56,071143 357,54145 1,022E-16 Resíduos 26 0,1568242 Total 27 60,14857143 ------------ Coeficientes Erro padrão Stat t Valor-P 95% infs 95% sups Interseção 0,792857143 0,183317158 0,0001995 Renda 0,253142857 0,013387592 1,022E-16 Estatística da regressão R múltiplo 0,95660 R-Quadrado R-quad ajusta 0,90564 Erro padrão 4,17887 Observações 11 8 Sabendo que o tcrítico = 2,055530826, pede-se: c) Preencha as lacunas de todas as tabelas de resultados; d) Comente os resultados obtidos. Questão 6 - Suponha que um automóvel, para analisar o seu consumo de combustível, efetuou 7 viagens, tendo-se registrado a distância percorrida (km) e o consumo (l), obtendo-se, então, os 7 pares de valores seguintes: a) Escreva a equação da reta de regressão estimada que relacione distância em relação ao consumo. b) Com 16 litros de combustível qual das duas distâncias lhe parece mais provável de ser percorrida: 190 km ou 205 km? c) Sendo o valor do litro de gasolina R$ 2,52, qual o valor gasto (estimado) em um trajeto de 820 km? 9 Estatística de regressão: 𝑹 𝒎ú𝒍𝒕𝒊𝒑𝒍𝒐: 𝐶𝑜𝑣(𝑋𝑌) 𝐷𝑃(𝑋). 𝐷𝑃(𝑌) 𝑹 − 𝑸𝒖𝒂𝒅𝒓𝒂𝒅𝒐: 𝑅2 = [ 𝐶𝑜𝑣(𝑋𝑌) 𝐷𝑃(𝑋). 𝐷𝑃(𝑌) ] 2 𝑜𝑢 𝑅2= 𝑆𝑄𝐸 𝑆𝑄𝑇 𝑜𝑢 𝑅2 = 1 − 𝑆𝑄𝑅 𝑆𝑄𝑇 𝑹 − 𝒒𝒖𝒂𝒅𝒓𝒂𝒅𝒐 𝒂𝒋𝒖𝒔𝒕𝒂𝒅𝒐 = 1 (1 − 𝑅2). ( 𝑛 − 𝑔𝑙𝑟𝑒𝑔𝑟𝑒𝑠𝑠ã𝑜 𝑔𝑙 𝑟𝑒𝑠í𝑑𝑢𝑜𝑠 ) 𝑬𝒓𝒓𝒐 𝒑𝒂𝒅𝒓ã𝒐: √𝑀𝑄𝑅 , em que MQR: média quadrática dos resíduos. Observações: n ANOVA: Graus de liberdade: Regressão: 1 Resíduos: n-2 Total: n-1 Soma quadrática: SQT = SQE+SQR Média quadrática: Regressão: SQE/1 Resíduos: SQR/(n-2) Teste F: MQE/MQR Coeficientes: ’s Erros padrão: 𝑪𝒐𝒆𝒇𝒊𝒄𝒊𝒆𝒏𝒕𝒆 𝑺𝒕𝒂𝒕 𝒕 Stat t: 𝑪𝒐𝒆𝒇𝒊𝒄𝒊𝒆𝒏𝒕𝒆 𝑬𝒓𝒓𝒐 𝒑𝒂𝒅𝒓ã𝒐 95% inf e 95% sup: Intervalos de confiança, no caso de 95%. 𝐼𝐶 = [�̂�1 − 𝑡(𝛼 2 ;𝑛−2) . 𝑒𝑝(�̂�1) < 𝛽1 < �̂�1 + 𝑡(𝛼 2 ;𝑛−2) . 𝑒𝑝(�̂�1)] = 1 − 𝛼% 𝐼𝐶 = [�̂�2 − 𝑡(𝛼 2 ;𝑛−2) . 𝑒𝑝(�̂�2) < 𝛽2 < �̂�2 + 𝑡(𝛼 2 ;𝑛−2) . 𝑒𝑝(�̂�2)] = 1 − 𝛼% 10 GABARITO: Questão 1 𝛽2̂=1,8195 𝛽1̂ = 0,0004 �̂� = 0,0004 + 1,8195𝑋 Questão 2 𝑎) 𝑟2 = 0,99578 𝑏) 𝛽2̂=19, 475 𝛽1̂ = 11,678787879 𝑒𝑝(𝛽1̂) = 1,6661212 ep (𝛽2̂ = 0,2685197 Stat-t = tcalc Para 𝛽1̂: tcalc=11,68382442 𝐼𝐶 = [15,62458447 ; 23,30874887] Para 𝛽2̂: tcalc=43,49322032 𝐼𝐶 = [11,0595 ; 12,29799] Questão 3 𝑟2 = 0,0004800481 𝑆𝑄𝑅 = 40,8804 𝑆𝑄𝑇 = 40,90003 𝑀𝑄𝐸 = 0,01963 𝐹 = 0,0038414497 𝑆𝑡𝑎𝑡 𝑡 = 𝑐𝑜𝑒𝑓 𝑒𝑝 𝑒𝑝 = 𝑐𝑜𝑒𝑓 𝑆𝑡𝑎𝑡 𝑡 𝑒𝑝(𝛽1)̂ = 4,5306127924 𝑆𝑡𝑎𝑡 𝑡 (𝑋) = −0,0619822186 Questão 4 𝑟2 = 0,91508 𝑔𝑙: 𝑟𝑒𝑔𝑟𝑒𝑠𝑠ã𝑜 = 1 𝑟𝑒𝑠í𝑑𝑢𝑜𝑠 = 9 𝑡𝑜𝑡𝑎𝑙 = 10 𝑆𝑄𝑅 = 157,16673 𝑆𝑄𝑇 = 1850,72728 𝑀𝑄𝐸 = 1693,56055 𝑆𝑡𝑎𝑡 𝑡 = 𝑐𝑜𝑒𝑓 𝑒𝑝 𝑒𝑝 = 𝑐𝑜𝑒𝑓 𝑆𝑡𝑎𝑡 𝑡 𝑒𝑝(𝛽1)̂ = 3,3835642823 𝛽2̂ = 0,62416 11 Questão 5 𝑆𝑄𝐸 = 56,071143 𝑆𝑄𝑅 = 4,0774292 𝑀𝑄𝐸 = 56,071143 𝑀𝑄𝑅 = 0,1568242 𝐹 = 357,54145 𝑆𝑡𝑎𝑡 𝑡 = 𝑐𝑜𝑒𝑓 𝑒𝑝 𝑒𝑝 = 𝑐𝑜𝑒𝑓 𝑆𝑡𝑎𝑡 𝑡 𝑆𝑡𝑎𝑡 𝑡: 𝛽1̂ = 4,3250569213 𝛽2̂ = 18,908766939 𝛽1̂: IC = [0,4170569691 ; 1,1686573169] 𝛽2̂: 𝐼𝐶 = [0,2256982934 ; 0,2805874206] Questão 6 a) A equação da reta de regressão é: Y= - 1,96428571 + 14,0277778X b) R: Y= - 1,96428571 + 14,0277778X Y= - 1,96428571 + 14,0277778 x (16) Y= 226,4087302 Logo a distância de 205Km é a mais provável a ser percorrida c) Sendo o valor do litro de gasolina R$ 2,52, qual o valor gasto (estimado) em um trajeto de 820 km? Y= 14,0277778X - 1,96428571 820= 14,0277778X - 1,96428571 820+1,96428571= 14,0277778X X= 58,59547383 KM Gasto= 58,59547383 xR$ 2,52= R$ 147,66 A correlação r para este caso é = 0,9968708 ou 99,68707999%, este coeficiente de correlação é praticamente perfeito, pois a cada 1% de variação no consumo ocorre uma variação de 99,68707999% na distância. 12
Compartilhar