Baixe o app para aproveitar ainda mais
Prévia do material em texto
Universidade de Sa˜o Paulo - Departamento de Economia EAE 0324 - Econometria I Prof. Dr. Ricardo Avelino 1o Semestre de 2008 Lista de Exerc´ıcios 6 - Soluc¸a˜o Question 1) a) Para o j-e´simo grupo: yj = x 0 jβ + εj onde yj, xj e εj sa˜o vetores de dimensa˜o jx1. Pre´-multiplicando ambos os lados por [1/j] i 0 , onde i e´ um vetor jx1 de uns, resulta em 1 j i0yj = 1 j i0x0jβ + 1 j i0εj ⇒ y¯j = x¯0jβ + ε¯j Para todos os grupos: y¯ = x¯0β + ε¯, onde y¯ = £ y¯1 y¯2 ... y¯j ¤ , x¯ = £ x¯1 x¯2 ... x¯j ¤ , ε¯ = £ ε¯1 ε¯2 ... ε¯j ¤ . Ω = E [ε¯ε¯0] = E ε¯1ε¯1 ε¯1ε¯2 ε¯1ε¯j ε¯2ε¯1 ε¯2ε¯2 ε¯2ε¯j ε¯j ε¯1 ε¯j ε¯2 ε¯j ε¯j = σ2 0 0 0 σ2/2 0 0 0 σ2/J O estimador de GLS e´ βˆ GLS = ¡ X¯ 0Ω−1X¯ ¢−1 ¡ X¯ 0Ω−1y¯ ¢ . Mas Ω−1 = 1/σ2 0 0 0 2/σ2 0 0 0 J/σ2 Consequentemente, o estimador de GLS e´ igual a βˆ GLS = JX j=1 x¯j x¯0j σ2/j −1 JX j=1 x¯j y¯j σ2/j = JX j=1 jx¯j x¯ 0 j −1 JX j=1 jx¯j y¯j Os pesos sa˜o dados pelo nu´mero de observac¸o˜es em cada grupo. Os grupos que tem mais observac¸o˜es possuem menor variaˆncia e portanto, recebem maior peso. 1 b) O coeficiente de determinac¸a˜o e´ uma medida nume´rica de ajuste e na˜o e´ surpresa que os valores me´dios dos dados agrupados esteja mais pro´ximo da linha de regressa˜o do que os valores da amostra inteira, dando um melhor ajuste. Mas isto na˜o contradiz o teorema de Gauss-Markov. A variaˆncia do estimador, por outro lado, mede a precisa˜o com que estimamos os coeficientes. Questa˜o 2) a) Seja ι um vetor de uns de dimensa˜o Tx1. O estimador de OLS de µ e´ igual a µˆOLS = (ι0ι)−1 ι0y = P yt T A variaˆncia e´ dada por V ar h µˆOLS |X i = (ι0ι)−1 ι0Ωι (ι0ι) onde Ω = E [εε0] = σ2 + δ2 δ2 δ2 δ2 σ2 + δ2 δ2 δ2 δ2 σ2 + δ2 Assim, V ar h µˆOLS |X i = 1 T £ σ2 + Tδ2 σ2 + Tδ2 ... σ2 + Tδ2 ¤ ι 1 T = 1 T £ Tσ2 + T 2δ2 ¤ 1 T = σ2 T + δ2 O estimador de GLS de µ e´ igual a µˆGLS = ¡ ι0Ω−1ι ¢−1 ι0Ω−1y Seja Ω−1 = a11 a12 a1T a21 a22 a2T aT1 aT2 aTT Enta˜o σ2 + δ2 δ2 δ2 δ2 σ2 + δ2 δ2 δ2 δ2 σ2 + δ2 a11 a12 a1T a21 a22 a2T aT1 aT2 aTT = 1 0 0 0 1 0 0 0 1 Isto implica que ¡ σ2 + δ2 ¢ a11 + δ 2a21 + ...+ δ 2aT1 = 1 2 δ2a11 + ¡ σ2 + δ2 ¢ a21 + ...+ δ 2aT1 = 0 δ2a11 + δ 2a21 + ...+ ¡ σ2 + δ2 ¢ aT1 = 0 que por sua vez implica que a21 = a31 = ... = aT1 = a σ2a11 − σ2a21 = 1⇒ a11 = 1 σ2 + a e ¡ σ2 + Tδ2 ¢ a11 + ¡ σ2 + Tδ2 ¢ (T − 1) a = 1⇒¡ σ2 + Tδ2 ¢µ 1 σ2 + a ¶ + ¡ σ2 + Tδ2 ¢ (T − 1) a = 1⇒¡ σ2 + Tδ2 ¢ 1 σ2 + ¡ σ2 + Tδ2 ¢ Ta = 1⇒ a = 1− (σ 2+Tδ2) σ2 T ¡ σ2 + Tδ2 ¢ ⇒ a = 1 T ¡ σ2 + Tδ2 ¢ − 1 Tσ2 ⇒ a = σ 2 − σ2 − Tδ2 Tσ2 ¡ σ2 + Tδ2 ¢ = − δ2 σ2 ¡ σ2 + Tδ2 ¢ Assim, a11 = 1 σ2 − δ 2 σ2 ¡ σ2 + Tδ2 ¢ = σ2 + Tδ2 − δ2 σ2 ¡ σ2 + Tδ2 ¢ = σ2 + (T − 1) δ2 σ2 ¡ σ2 + Tδ2 ¢ Devido a` simetria do problema, conclu´ımos que Ω−1 = 1 σ2 ¡ σ2 + Tδ2 ¢ σ2 + (T − 1) δ2 −δ2 −δ2 −δ2 σ2 + (T − 1) δ2 −δ2 −δ2 −δ2 σ2 + (T − 1) δ2 Assim, µˆGLS = ¡ ι0Ω−1ι ¢−1 ι0Ω−1y = ¡£ σ2 σ2 σ2 ¤ ι ¢−1 £ σ2 σ2 σ2 ¤ y = σ2 P yt Tσ2 = P yt T O estimador GLS de µ e´ igual ao estimador de OLS. Consequentemente, suas variaˆncias sa˜o iguais, ou seja, V ar h µˆGLS |X i = V ar h µˆOLS |X i = σ2 T + δ2 3 A eficieˆncia relativa de OLS e´ 1. Questa˜o 3) As varia´veis endo´genas sa´o aquelas que aparecem no lado esquerdo das equac¸o˜es, isto e´, Ct, It e yt. Gt sa˜o exo´genas e yt−1 e´ pre´-determinada, valendo como uma varia´vel exo´gena neste exerc´ıcio. Para discutir a identificac¸a˜o, reescrevamos o sistema como abaixo £ Ct It yt ¤ 1 0 −10 1 −1 −α1 −β1 1 + £ 1 yt−1 Gt ¤ −α0 −β0 00 β1 0 0 0 −1 = u1t u2t 0 ou, de maneira alternativa, como YtΓ+ x 0 tB + εt onde Yt = £ Ct It yt ¤ , x0t = £ 1 yt−1 Gt ¤ , ε0t = £ u1t u2t 0 ¤ , Γ = 1 0 −1 0 1 −1 −α1 −β1 1 e B = −α0 −β0 0 0 β1 0 0 0 −1 Po´s-multiplicando por Γ−1, obtemos Yt = x 0 tΠ+ vt onde Π = BΓ−1 e vt = εtΓ−1 O coeficiente de uma das varia´veis endo´genas em cada equac¸a˜o e´ normalizado em 1. Esta varia´vel sera´ referida como a varia´vel dependente, para distingu´ı- la das varia´veis endo´genas. A condic¸a˜o de ordem, a qual e´ necessa´ria para identificac¸a˜o, requer queK∗j , nu´mero de varia´veis exo´genas exclu´ıdas da equac¸a˜o j, seja maior ou igual a Mj , nu´mero de varia´veis endo´genas inclu´ıdas na j-e´sima equac¸a˜o Para a equac¸a˜o do consumo,K∗j = £ yt−1 Gt ¤ eMj = [yt] , enquanto, para a func¸a˜o investimento, K∗j = [Gt] e Mj = [yt] . Enta˜o a condic¸a˜o e´ satisfeita em ambos os casos. 4 Para confirmar que existe ao menos uma soluc¸a˜o, analisamos a condic¸a˜o de posto, a qual e´ suficiente para identificac¸a˜o. Seja A = · Γ B ¸ = 1 A1 −γj A2 0 A3 −βj A4 0 A5 A notac¸a˜o e´ descrita a seguir. A primeira coluna de A, aj, da´ os coeficientes da j-e´sima equac¸a˜o. Em ordem decrescente temos os coeficientes da varia´vel dependente na equac¸a˜o j, os coeficientes das endo´genas covariadas inclu´ıdas, dos coeficientes dos regressores endo´genos exclu´ıdos, dos regressores exo´genos inclu´ıdos e das covariadas exo´genas exclu´ıdas. As matrizes A1, A2, A3, A4 e A5 da˜o os respectivos coeficientes das outras equac¸o˜es. Considere uma transformac¸a˜o na˜o singular A˜ = Af dos coeficientes estru- turais, que sa˜o equivalentes a A, ou seja, resultam nos mesmos coeficientes da forma reduziada Π. O modelo e´ dito identificado se todas as falsas estruturas consistentes com a teoria (admiss´ıvel) implicam em f = I. Seja a˜j o coeficiente da j-e´sima equac¸a˜o implicada por uma estrutura admiss´ıvel arbrita´ria: a˜j = 1 A1 −γj A2 0 A3 −βj A4 0 A5 · f0 f1 ¸ = 1 γ˜j 0 β˜j 0 Se esta estrutura alternativa e´ admiss´ıvel, enta˜o devemos ter elementos na˜o nulos no mesmo lugar como no original aj , zeros na mesma posic¸a˜o e coeficiente da varia´vel dependente igual a 1. Implicando que f0 = 1 e· A3 A5 ¸ f1 = 0 Para assegurar que f1 = 0 e, assim, que f = I, £ A03 A 0 5 ¤0 deve ter posto completo, ou seja, posto · A3 A5 ¸ =M − 1 onde M representa o nu´mero de varia´veis endo´genas no sistema. Sumarizando, se K∗j > Mj e a condic¸a˜o de posto e´ satisfeita, a equac¸a˜o e´ sobreidentificada. Por outro lado, se K∗j =Mj e a condic¸a˜o de posto vale, enta˜o temos exata identificac¸a˜o. Finalmente, se as condic¸o˜es de ordem ou de posto na˜o sa˜o satisfeitas, a equac¸a˜o e´ subidentificada. Em nosso caso, as colunas da matriz abaixo conte´m os coeficientes das varia´veis para as treˆs equac¸o˜es do sistema. 5 Ct It yt 1 yt−1 Gt Ct : 1 0 −α1 −α0 0 0 It : 0 1 −β1 −β0 β1 0 Gt : −1 −1 1 0 0 −1 Segue que as submatrizes A3 e A5 nas equac¸o˜es de consumo e investimento sa˜o dadas por Ct : A3 = £ 1 −1 ¤ , A5 = · β1 0 0 −1 ¸ e posto 1 −1 β1 0 0 −1 = 2 It : A3 = £ 1 −1 ¤ , A5 = £ 0 −1 ¤ e posto · 1 −1 0 −1 ¸ = 2 Assim, da discussa˜o anterior, a equac¸a˜o de consumo esta´ sobreidentificada e a equac¸a˜o de investimento esta´ exatamente identificada. Questa˜o 4) a) Y1 Y2 Y3 X1 X2 X3 (1) 1 0 −β13 0 −γ12 0 (2) −β21 1 −β23 −γ21 −γ22 0 (3) 0 0 1 0 0 −γ33 Pela condic¸a˜o de posto, temos para equac¸a˜o 1 que:¯¯¯¯ 1 0 0 −γ33 ¯¯¯¯ = −γ33 6= 0 A equac¸a˜o (1) do modelo exclui duas varia´veis exo´genas e inclui apenas uma varia´vel endo´gena ale´m de Y1. Associado a` condic¸a˜o de posto vista acima, conclu´ımos que a equac¸a˜o e´ sobreindentificada. A equac¸a˜o (2), por sua vez, na˜o pode ser identificada pois na˜o satisfaz a condic¸a˜o de ordem, uma vez que exclui apenas uma varia´vel endo´gena e inclui duas varia´veis endo´genas ale´m de Y2. Pela condic¸a˜o de posto, temos para equac¸a˜o 3 que:¯¯¯¯ 1 0 −β21 1 ¯¯¯¯ = −γ33 6= 0 A equac¸a˜o (3) exclui duas varia´veis exo´genas e na˜o inclui nehuma varia´vel endo´gena ale´m de Y3, enta˜o conclu´ımos que (3) e´ sobre indentificada. b) Primeiramente, estimaria, por OLS, uma regressa˜o de Y3 contra todasas varia´veis exo´genas do modelo. Ou seja, Y3 = ∧ γ1X1 + ∧ γ2X2 + ∧ γ3X3 + ut = ∧ Y3 + νt 6 Depois, estimamos por OLS o modelo Y1 = ∧ Y 3 + γ12X2 + µ1 onde ∧ β13e ∧ γ12sa˜o os estimadores para β13 e γ12. A expressa˜o para a variaˆncia de µ1e´: ∧ V ar [µ1] = ∧ σi = [(Y1 − β13Y3 − γ12X2) 0 (Y1 − β13Y3 − γ12X2)]T−1 Note que usamos Y3 e na˜o ∧ Y 3no estimador da variaˆncia de µ1. Questa˜o 5) a) O modelo na forma estrutural pode ser escrito na forma reduzida como abaixo £ y1 y2 ¤ · 1 −β −α 1 ¸ + [x] £ −δ −γ ¤ = · u1 u2 ¸ ou, de maneira alternativa, como Y Γ+ x0B + ε onde Y = £ y1 y2 ¤ , x0 = £ 1 x ¤ , ε0 = £ u1 u2 ¤ , Γ = · 1 −β −α 1 ¸ e B = £ −δ −γ ¤ Po´s-multiplicando por Γ−1, obtemos a forma reduzida Y = x0Π+ v onde Π = BΓ−1 e v = εΓ−1 b) A condic¸a˜o de ordem, a qual e´ necessa´ria para identificac¸a˜o, requer que K∗j , nu´mero de varia´veis exo´genas exclu´ıdas da equac¸a˜o j, seja maior ou igual a Mj , nu´mero de varia´veis endo´genas inclu´ıdas na j-e´sima equac¸a˜o. Assim, quando γ = 0 temos que para a primeira equac¸a˜o , K∗j = ∅ e Mj = [y1] , enquanto, para a segunda equac¸a˜o, K∗j = [x] e Mj = [y2] . Enta˜o a equac¸a˜o 1 na˜o e´ identificada, logo α e δ na˜o sa˜o identificados. Mas a equac¸a˜o 2 e´ identificada. Na matriz abaixo fica evidente que a condic¸a˜o de posto tambe´m 7 vale para a equac¸a˜o 2, pois o posto de uma matriz de zero elementos e´ consid- erado zero. y1 y2 x y1 : 1 −α −δ y2 : −β 1 0 c) Pode-se estimar a segunda equac¸a˜o pelo me´todo de varia´veis intrumentais utilizando como instrumento a varia´vel x. Onde o estimador de β e´: βˆ IV = P (xy1)−1 P xy2 E a variaˆncia assinto´tica de β e´ var(βˆ IV ) = (σ22E(xy2) −1E(xx0)E(xy2)−1)/n 8
Compartilhar