Baixe o app para aproveitar ainda mais
Prévia do material em texto
Universidade de São Paulo - Departamento de Economia EAE 0325 - Econometria II Prof. Dr. Ricardo Avelino 2o Semestre de 2008 Lista de Exercícios 5 - Data de Entrega: 30/10 Você deve sempre explicar todas as suas respostas, a menos que seja dito para responder uma questão sem provar. Questão 1 Na regressão de mínimos quadrados de y em uma constante e X, para calcu- lar o coeficiente de regressão de X, podemos primeiro transformar y em desvios em relação à média y¯ e, do mesmo modo, transformar cada coluna de X em desvios em relação à média da respectiva coluna; em seguida, regride-se o y transformado no X transformado sem constante. Conseguimos assim o mesmo resultado se apenas transformássemos o y? E se apenas transformássemos X ? Justifique sua resposta. Questão 2 Um conjunto de dados consiste de n observações de Xn e yn. O estimador de mínimos quadrados baseado nessas n observações é bn = (X 0nXn)−1X 0ny. Outro conjunto de observações, xs e ys, é disponibilizado. Prove que o estimador de mínimos quadrados calculado usando essas observações adicionais é: bn,s = bn + [1/(1 + x0s(X 0 nXn) −1xs)](X 0nXn) −1xs(ys − x0sbn) Note que o último termo é εs, o resíduo da predição de ys usando os coefi- cientes baseados em Xn e bn. Conclua que o novo conjunto de dados muda o resultado do estimador de mínimos quadrados se, e somente se, as novas obser- vações não podem ser perfeitamente previstas usando a informação já disponível. Questão 3 Considere o modelo de regressão: yt = xtβ + εt, t = 1, ..., T no qual xt é 1x1. Seja x = [x1, ..., xT ]0, ε = [ε1, ..., εT ] 0. Assuma que E [ε | X] = 0 e que E [εε0 | X] = σ2I. Ao longo desse problema derive os resultados condicionados em x. Seja x¯ = 1/T P xt e defina y¯ similarmente. 1 a) Considere o estimador β∗ = y¯/x¯. Mostre que β∗ é linear e não viesado. Calcule sua variância e compare com a variância do estimador de mínimos quadrados. b) Suponha que você decida usar as primeiras τ < T observações e rodar M.Q.O.. Mostre que o estimador resultante β∗∗ é linear e não viesado, mas não possui a menor variância. c) Derive o estimador lineara com variância mínima (não necessariamente não viesado). Questão 4 Suponha que você tenha a seguinte especificação de regressão yi = x0iβ + εi, a qual satistaz as hipóteses de Gauss-Markov. (Note que xi não é um escalar). No entanto, ao invés dos dados originais i = 1, ..., N você tem J grupos de diferentes tamanhos. O primeiro grupo tem 1 pessoa, o segundo grupo tem 2 pessoas, e o jth grupo tem j pessoas com JP j=1 j = N. Tudo que você tem são as médias dos grupos: y¯j e x¯j . a) Ache o estimador GLS e determine os pesos para estimar mínimos quadra- dos ponderados. b) Suponha que depois de você achar βˆGLS você calcula o R 2usual de GLS. Você também estima por OLS a partir dos dados originais. Mas o R2 de GLS é muito menor que o de OLS. O que você pode concluir? Você achou um contraexemplo ao teorema de Gauss-Markov? Questão 5 Considere o modelo yt = µ + εt, t = 1, ..., T , εt i.i.d., E [εt] = 0, V [εt] = σ2 + δ2, cov [εt, εs] = δ 2 para s 6= t. O estimador eficiente de µ é GLS. Calcule a eficiência relativa de OLS definida por V (µˆOLS) V (µˆGLS) 2
Compartilhar