Baixe o app para aproveitar ainda mais
Prévia do material em texto
Universidade de São Paulo - Departamento de Economia EAE 5811 - Econometria I Prof. Dr. Ricardo Avelino 1o Semestre de 2011 Lista de Exercícios 1 Questão 1 Sejam X1,X2, ... variáveis aleatórias independentes com distribuição comum Poisson (λ) . Encontre o limite em probabilidade da sequência Yk = X21 + ...+X 2 k k quando k →∞. Questão 2 SejamX1,X2, ... variáveis aleatórias independentes e identicamente distribuí- das tais que Xn ∼ U [0, θ] , θ > 0. Demonstre que Yn = √ n £ log ¡ 2X¯n ¢ − log θ ¤ d→ N µ0, 1 3 ¶ Questão 3 SejamX1,X2, ... variáveis aleatórias independentes e identicamente distribuí- das tais que E (X1) = 0 e V ar (X1) = σ2, 0 < σ2 < ∞. Adicionalmente, suponha que Y1, Y2, ... sejam variáveis aleatórias independentes e identicamente distribuídas e que E (Y1) = µ, µ ∈ R. Prove que Y¯n + √ nX¯n d→ N ¡ µ, σ2 ¢ para Y¯n = Y1 + ...+ Yn n e X¯n = X1 + ...+Xn n Questão 4 A variância amostral de n observações X1, ...,Xn é definida como S2 = n−1 nX i=1 (Xi − X¯)2 1 para X¯ = n−1 Pn i=1Xi. Suponha que S 2 seja baseada em uma amostra de uma distribuição cujos quatro primeiros momentos, α1, α2, α3, α4, sejam finitos. Derive a distribuição limite conjunta de S2 e da estatística t = X¯S . Questão 5 Considere o seguinte estimador do excesso de curtose: kn = n−1 Xn i=1 ¡ Xi − X¯ ¢4 S4 − 3 Derive sua distribuição assintótica. Questão 6 (Teorema central do limite bivariado de Lindberg-Lévy, estimação da razão de médias, experimento de Monte Carlo) Suponha que nós tenhamos uma amostra aleatória (i.i.d.) de n observações de uma distribuição bivariada com média µ = ∙ µX µY ¸ , µY 6= 0 e matriz de variância-covariância finita e positiva definida Q = ∙ σ2X σXY σXY σ2Y ¸ . Nós desejamos estimar a razão das médias µXµY , e consideramos o estimador T = X¯Y¯ , onde X¯ = Pn i=1Xi e Y¯ = Pn i=1 Yi. a) Esse estimador é não viesado? Consistente? b) Utilizando a versão multivariada do teorema central do limite de Lindberg- Lévy, ache a distribuição assintótica de T . Plote a função de densidade para¡ µX , µY , σ 2 X , σ 2 Y , σXY ¢ = (3, 2, 1, 1, 0.5) . c) (Background) Suponha que a distribuição verdadeira de (X,Y ) seja uma normal bivariada com parâmetros ¡ µX , µY , σ 2 X , σ 2 Y , ρ ¢ = (3, 2, 1, 1, 0.5) e que a nossa amostra tenha n = n∗ observações. A distribuição assintótica de b) é uma boa aproximação para a distribuição exata de T para n = n∗? Calcular a distribuição exata de T é muito difícil. Então nós decidimos conduzir um experimento de Monte Carlo. A idéia é a seguinte: Passo 1: Obtenha uma amostra de tamanho n∗ da distribuição bivariada (X,Y ) . Passo 2: Calcule o valor de T para essa amostra. 2 Repita os passos 1 e 2 várias vezes, digamos 1000 vezes. Isso nos fornece 1000 valores de T . A distribuição desses 1000 valores é a nossa aproximação numérica para a distribuição exata de T em amostras finitas para n = n∗. Para implementar: Conduza um estudo de Monte Carlo para n∗ = 25, para n∗ = 100 e para n∗ = 200. Para cada um, plote a distribuição de T em amostras finitas (histograma). O que acontece quando você vai de n∗ = 25 para n∗ = 100 e para n∗ = 200? Dica: Como nós obtemos uma observação de uma normal bivariada? Essa é uma maneira simples: Escreva X e Y como X = a+ bZ1, Y = c+ dX + eZ2, onde Z1 ∼ N (0, 1) , Z2 ∼ N (0, 1) e Z1 e Z2 são independentes. Calcule o que a, b, c, d e e precisam ser a fim de assegurar que E (X) = µX , E (Y ) = µY , V (X) = σ 2 X , V (Y ) = σ 2 Y e corr (X,Y ) = ρ. Tendo achado os valores de a, b, c, d e e, você pode obter Z1 e Z2 da dis- tribuição normal padrão e computar X = a+ bZ1, Y = c+ dX + eZ2. Questão 7 Considere o modelo abaixo em que há uma variável explicativa endógena, x: y = z 0 1δ + αx+ u Seja a expressão abaixo a forma reduzida de x: x = z 0 1γ + v em que z contém todos os elementos de z1 mais ao menos uma coluna. Considere o seguinte estimador de δ e α: (i) estime a forma reduzida por OLS e salve os resíduos, vˆ; (ii) estime a regressão abaixo por OLS. y = z 0 1δ + αx+ ρvˆ + ε Mostre que as estimativas de 2SLS são idênticas às obtidas por este método. Questão 8 Considere a estimação por variáveis instrumentais de ummodelo de regressão linear simples. y = β0 + β1x+ u Suponha que E[u] = 0, Cov[z, u] = 0, Cov[x, u] 6= 0, E[u2|z] = σ2. 3 (a) Sob as hipóteses acima, mostre que AV ar[ √ n(βˆ1− β1)] pode ser escrita como AV ar[ √ n(βˆ1 − β1)] = σ2 σ2xρ2zx em que σ2x = V ar [x] e ρzx = Corr [x, z] . (b) Como cada um desses fatores afeta AV ar[ √ n(βˆ1−β1)]? O que acontece quando ρzx → 0? (c) Para o caso de regressão linear simples acima, mostre que, caso Cov[z, u] 6= 0, a inconsistência do estimador de variáveis instrumentais pode superar a de mínimos quadrados ordinários. Questão 9 (Identificação e estimação de modelos de equações simultâneas) Discuta identificação e estimação do seguinte modelo de equações simultâneas. y1t + γ12y2t + γ13y3t + β11x1t + β13x3t = ε1t y2t + γ23y3t + β22x2t + β23x3t = ε2t γ31y1t + y3t + β32x2t = ε3t (Você não tem nenhuma restrição envolvendo as covariâncias). Certifique-se de que você está considerando tanto as condições de ordem quanto de posto e de explicitar as suposições necessárias para a estimação dos parâmetros do modelo. Questão 10 (Identificação e estimação de modelos de equações simultâneas) Considere o seguinte modelo de oferta e demanda: qs = α0 + α1p+ α2ω + µs qd = β0 + β1p+ β2y + µd qs = qd onde ω denota um vetor de observações de dimensão T × 1 do clima e y é um vetor de observações T × 1 da renda. Ambos são exógenos, por hipótese. a) Discuta a identificação dos parâmetros nas equações de oferta e demanda. b) A restrição α2 = 0 impõe alguma restrição nos parâmetros da forma reduzida? Cuidadosamente descreva um teste de H0 : α2 = 0 contra H1 : 4 α2 6= 0 utilizando os parâmetros da forma reduzida. Dica: Escreva H0 como H0 : RΠ = q0. c) Suponha que a primeira equação é estimada por um estimador de in- formação limitada, isto é, variáveis instrumentais. Você pode determinar se a primeira equação é uma curva de oferta ou de demanda examinando o sinal de α1? d) Suponha que uma agência governamental a cada ano fixe o preço em p0t e que esse preço possa diferir ano a ano. Que efeito essa política teria na identificação e estimação do modelo? Questão 11 (Identificação através de restrições na matriz de covariância) Considere o seguinte sistema de equações sob as hipóteses usuais y1 = γ12y2 + ε1 (1) y2 = γ21y1 + β21x1 + ε2 (2) a) As equações (1) e (2) são identificadas se nós não fizermos nenhuma suposição a respeito da distribuição de probabilidade, exceto que E (ε1|x1) = E (ε2|x1) = 0? b) Mostre que se a covariância dos erros é zero, então ambas as equações são identificadas. Questão 12 (Estimação e teste de especificação para o modelo de equações simultâneas) Você tem um sistema com três equações, no qual cada equação é identificada. y1 = Y1γ1 +X1β1 + ε1 (1) y2 = Y2γ2 +X2β2 + ε2 (2) y3 = Y3γ3 +X3β3 + ε3 (3) onde εt ∼ N (0,Σ) . Seja X = [X1,X2,X3] . Você está confiante de que a especificação das duas primeiras equações está correta, mas não tem certeza se E [X 0tε3t] = 0. Para construir um teste, você decide rodar uma regressão de míminos quadrados em dois estágios em cada equação e compará-la com os resultados de míminos quadrados em três estágios para o sistema todo. a) Explique intuitivamente por que você pode construir um teste de es- pecificação a partir desse procedimento, demonstrando o efeito da especificação incorreta. 5 b) Para construir um teste formal, você considera as estimativas de cada equação δi = ∙ γˆi βˆi ¸ e constrói a estatística W = ∙ δˆ1 δˆ2 ¸ 2SLS − ∙ δˆ1 δˆ2 ¸ 3SLS Construa um teste assintótico sob a hipótese nula de que a especificação está correta, incluindo os graus de liberdade apropriados. c) Você pode pensar num teste baseado numa estratégia de estimação mais eficiente? 6
Compartilhar