Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNIVERSIDADE FEDERAL DO CEARÁ FACULDADE DE ECONOMIA, ADMINISTRAÇÃO, ATUÁRIA E CONTABILIDADE - FEAAC BACHARELADO EM FINANÇAS ANA MIDIÃ PINHEIRO DA SILVA - 422550 FORTALEZA 2020 Lista 3 de Econometria 1) A omissão de uma variável importante pode causar correlação entre o erro e variáveis explicativas, o que pode gerar viés e inconsistência em estimadores MQO. Considere o modelo populacional: Que satisfaz as seguintes hipóteses: - Nenhuma variável é constante na amostra e na população. Ademais, não existe uma correlação linear exata entre duas variáveis explicativas quaisquer. - O valor esperado do erro é igual a zero, dado qualquer valor possível das variáveis independentes. Estimamos, então, os seguintes modelos: Digamos que queremos estimar qual o efeito dos anos de estudos sobre o rendimento do trabalho tendo o seguinte modelo populacional: Como não estamos observando a habilidade, o seguinte modelo é estimado: Nesse caso, , isso gera um viés de variável omitida. Quanto a direção desse viés, nós teremos: Onde os estimadores de regressão de são: A inclinação da regressão linear simples de em é: Dessa forma, temos: E o viés: Assim, o estimador não será viesado se: - não aparecer no modelo populacional. - e são não correlacionados -> = 0 2) A variável instrumental é utilizada quando há correlação entre variáveis explicativas e os termos dos erros de uma regressão. Dessa forma, como a regressão linear simples produzirá estimativas viesadas, há um instrumento disponível que ainda permite se obter estimativas consistentes. Esse instrumento é uma variável que não está correlacionada com variáveis explicativas, apesar de pertencer a equação explicativa. Chamaremos a variável instrumental de z. Para ser utilizada terá que satisfazer as seguintes condições: Se z satisfazer as duas condições ele é válido para x. Quanto a condição 1 não é testável, pois está se referindo a covariância entre z e um erro não observado. Já quanto a condição 2, é testável em uma regressão de x em z. 3) Instrumentos fracos são instrumentos com baixa correlação com os regressores endógenos. Dessa forma, quando estão presentes instrumentos fracos a precisão do método IV é grande a perda de precisão, além de que as estimativas IV podem acabar não compensando a inconsistência dos estimadores OLS. Assim, é sugerido o uso de um método para determinar se pode ser tratado com endógeno dado regressor. 4) O Modelo de equações simultâneas é um modelo do tipo estatístico, utilizado geralmente em econometria e frequentemente em situações que envolve equilíbrio. As formas mais eficientes de se estimar esse modelo são os métodos de estimação que exploram o sistema de equações, como a Estimativa de Variáveis Instrumentais e o Método Generalizado de Momentos. 5) O efeito de simultaneidade ocorre quando alguma(s) variável(eis) explicativas são determinadas em conjunto com a variável dependente. Assim, há uma dependência entre as variáveis explicativas e os efeitos e o termo do erro aleatório. Quando existe simultaneidade o MQO tem estimadores viesados e inconsistentes. Um exemplo do Modelo de equações simultâneas é o de modelo de oferta e demanda. Exemplo: Considere o seguinte modelo: (equação de vendas) (equação de publicidade) St: quantidade de produto vendido; Ps,t: preço do produto; Mt: quantidade publicitários; P,M,t: preço do anúncio publicitário; Os sinais esperados são: b>0, e>0, c<0, f<0 Hipótese: os preços são exógenos. Suponha, então, que temos ut > 0 -> St Na equação de publicidade, supondo e > 0 - > St = Mt Assim, na equação de vendas, Mt endógeno; E(Mtut) 0 A estimação da equação por MQO trarão resultados viesados e inconsistentes. De mesmo modo, podemos perceber que na equação de publicidade Suponha que temos Wt > 0 -> Mt Na equação de vendas supomos b > 0 Mt -> St St endógeno; E(Mtut) 0 A equação de vendas por MQO também leva a resultados viesados e inconsistentes. 6) O método de informações limitadas Em relação as informações que utilizam, os estimadores podem ser classificados em dois: os de informação limitada e o de informação completa. Os estimadores de informações limitados somente levam em consideração a informação relacionada a uma particular equação do modelo. Exemplos desses estimadores são: o estimador indireto de mínimos quadrados, máxima verossimilhança e mínimos quadrados em duas etapas. 7) a) Sim, no caso as duas (Y1 e Y2) são identificadas, já que nesse modelo M=2(Y1,Y2) e K=2(X1,X2). b) Somente Y1 é idenficada. c) Os valores dos parâmetros estruturais são: d) Para fazer o teste da hipótese pedida é preciso saber o erro-padrão . Contudo, como é função não-linear dos coeficientes , notamos como é dificil estimá-lo. 8) a) Falso, na verdade é possível estimar o parâmetro de forma reduzida por MQO. Ou seja, é possível fazer a estimação de forma reduzida, por MQO, e recuperar os parâmetros estruturais. No entanto, é necessário entender que é impossível a recuperação de todos os parâmetros estruturais. b) Verdadeiro, nenhum método irá fornecer estimativas dos parâmetros estruturais se tiver uma equação não identificada. c) Verdadeira. Um exemplo disso é quando ele é estimado usando MQO. d) Verdadeiro, já que o método de MQ2E quanto a pequenas amostras pode se tornar tendencioso. e) Verdadeira. Quanto aos valores R2, apenas as regressões individuais possuem.
Compartilhar