Atividade 2- Modelo de Regressão Linear Múltipla (MRLM) Gretl

Prévia do material em texto

ECONOMETRIA I 
LISTA II – Modelo de Regressão Linear Múltipla (MRLM) 
Aluno(a): Melissa Rúbio Ortiz Ferreira 
 
 
Resposta: A constante sendo positiva temos que quanto maior a variável X1j menor será X2j, ou 
seja tem uma correlação negativa. 
 
 
 
Resposta: Tendo que Y é taxa de inflação em %, X2 Taxa de desemprego em % e X3 taxa de 
esperada de inflação em %. Portanto com uma taxa de inflação constante temos que com uma 
taxa de espera de inflação positiva temos a taxa de desemprego negativa, ou seja, quanto maior 
a inflação menor a taxa de desemprego. 
3) (WOOLDRIDGE, 2019, Capítulo 03, C1) 
Um problema de interesse de agentes de saúde (e outros) é determinar os efeitos de 
fumar durante a gravidez sobre a saúde da criança. Uma medida da saúde infantil é o peso ao 
nascer, um peso muito baixo ao nascer pode colocar o recém-nascido em risco de contrair 
várias doenças. Como os fatores além do fumo que podem afetar o peso ao nascer são 
provavelmente relacionados com o ato de fumar, devemos levá-los em conta. Por exemplo, uma 
renda mais alta geralmente resulta em acesso a um melhor cuidado pré-natal, bem como uma 
melhor nutrição da mãe. Uma equação que reconhece isso é: 
𝑏𝑤𝑔𝑕𝑡 = β0+ β1𝑐𝑖𝑔𝑠 + β2𝑓𝑎𝑚𝑖𝑛𝑐 + 𝑢. 
(i) Qual é o sinal mais provável para βଶ? 
Resposta: O sinal mais provável para βଶ é positivo, pois faminc que é a variável renda é que 
quanto maior a renda melhor a qualidade do pré-natal que está correlacionada com o peso do 
recém nascido, portanto B > 0. 
(ii) Você acha que cigs e faminc são possivelmente correlacionados? Explique por que a 
correlação deve ser positiva ou negativa. 
Resposta: A correlação é negativa pois quanto maior a renda menor a chance de pessoas 
durante a gravidez fumarem, que está ligado com o maior acesso ao conhecimento e verem que 
isso traz males para o recém nascido e prejudicial a saúde. 
(iii) Agora, estime a equação com e sem faminc, usando os dados do arquivo 
BWGHT. Registre os resultados em forma de equação, incluindo o tamanho da amostra e 
 
o R2. Discuta seus resultados, verificando se adicionar faminc altera substancialmente o 
efeito estimado de cigs sobre bwght. 
Passo 1: Abrir o Gretl e o Excel BWGHT 
Passo 2: Saber quais são as variáveis que iremos utilizar. 
 
Passo 3: Vamos utilizar a variável V1, V4 e V10, sem a FAMIC e com FAMIC 
 
Passo 4: Modelo 1 sem Famic 
 
 
𝑏𝑤𝑔𝑕𝑡 = β0+ β1𝑐𝑖𝑔𝑠 + β2𝑓𝑎𝑚𝑖𝑛𝑐 + 𝑢. 
𝑏𝑤𝑔𝑕𝑡 = 119,772 – 0,514 + 20. 
R² = 0,022729 N=1.388 
Passo 5: Modelo 2 com Famic 
 
𝑏𝑤𝑔𝑕𝑡 = 116,974 – 0,463408 + 0,0928. 
R² = 0,029805 N=1.388 
4) (WOOLDRIDGE, 2019, Capítulo 03, C2) 
Use os dados do arquivo HPRICE1 para estimar o modelo 𝑝𝑟𝑖𝑐𝑒 = β0 + β1𝑠𝑞𝑟𝑓𝑡 + 
β2𝑏𝑑𝑟𝑚𝑠 + 𝑢. Em que price é o preço da residência medido em milhares de dólares. 
(i) Escreva os resultados em forma de equação. 
Passo 1: Abrir o Gretl e o Excel HPRICE1 
Passo 2: Saber quais são as variáveis que iremos utilizar. 
 
 
Passo 3: Vamos utilizar a variável V1, V3 e V5 
 
Passo 4: 
 
 
price = β0 + β1𝑠𝑞𝑟𝑓𝑡 + β2𝑏𝑑𝑟𝑚𝑠 + 𝑢 
price = -19,3150 +0,128436 + 15,1982. 
(ii) Qual é o aumento estimado do preço de uma casa com um quarto a mais, mantendo a área 
constante? 
Resposta: O aumento estimado é de 15.178,885 
 
 
(iii) Qual é o aumento estimado do preço de uma casa com um quarto adicional de 140 pés 
quadrados? Compare isso com sua resposta ao item (ii). 
Resposta: O aumento estimado é de 15.196,83104 
 
 
(iv) Qual porcentagem de variação do preço é explicada pela área e número de quartos? 
Resposta: R² =0,631918 x 100 = 63,1918% 
5) (WOOLDRIDGE, 2019, Capítulo 03, C2) 
O arquivo CEOSAL2 contém dados sobre 177 CEOs e pode ser usado para examinar os efeitos 
do desempenho da empresa sobre o salário destes executivos. 
(i) Estime um modelo que relacione o salário anual às vendas e ao valor de mercado da 
companhia. Faça o modelo do tipo de elasticidade constante para ambas as variáveis 
independentes. Escreva os resultados em forma de equação. 
Passo 1: Abrir o Gretl e o Excel CEOSAL2 
Passo 2: Saber quais são as variáveis que iremos utilizar. 
 
 
Passo 3: Vamos utilizar a variável V1, V7 e V9 
 
Passo 4: 
 
 
CEOSAL = β0 + β1salary + β2sales + 𝑢 
CEOSAL = 736,355 + 0,0366937 
 
CEOSAL = β0 + β1salary + β2mktval + 𝑢 
CEOSAL = 732,442 +0,0370586 
(ii) Adicione profits ao modelo do item (i). Por que essa variável não pode ser incluída em forma 
logarítmica? Você poderia dizer que essas variáveis de desempenho da empresa explicam a 
maior parte da variação dos salários dos CEOs? 
Passo 1: Vamos utilizar a variável V1, V7 e V9 
 
 
Passo 2: 
 
CEOSAL = β salary + β1mktval + β2profit + 𝑢 
CEOSAL = 732,383 + 0,259215 + 0,1932214 
O uso de logaritmos de variáveis dependentes ou independentes pode permitir relações não-
lineares entre a variável explicada e as variáveis explicativas, vamos utilizar em log agora 
 
 
 
CEOSAL = β salary + β1mktval + β2logprofit + 𝑢 
CEOSAL = 743,116 +0,0374035 -1,85609 
Resposta: usando a variável lucro como log obtemos uma relação negativa, o que seria inviável. 
Já com a variável sem o log temos uma relação positiva fazendo sentido, sendo a afirmação 
positiva, quanto maior o lucro maior o salário dos CEO’s 
 
00