Académique Documents
Professionnel Documents
Culture Documents
10.1 Os coeficientes estimados e seus erros padrão (nos parênteses) para várias partes dessa questão
são dados na seguinte tabela.
fica mais velho, seu consumo de pizza diminuirá e a queda será tanto maior quanto maior
for o nível de renda.
O valor t para a variável de interação idade-renda é t = 0,1602/0,0867 = 1,847. Os
valores críticos ao nível de significância de 5% para os testes unicaudal e bicaudal são,
respectivamente, tc = 1,689 e tc = 2,028. Assim, se nós utilizamos a informação à
priori que 4 < 0, então nós encontraremos que o coeficiente da variável de interação é
significativo. Contudo, se um teste bicaudal é aplicado, o coeficiente estimado não é
significativo. Uma comparação da Equação 9.7.9 com a coluna (c) da tabela revela o efeito
do reescalonamento. Os coeficientes de Y e (Y AGE) aumentaram 1000 vezes.
(d) As hipóteses são
H0: 2 = 4 = 0 e H1: 2 0 e/ou 4 0
O valor da estatística F sob a hipótese de que H0 é verdadeira é
F
SQER SQEU J
819286 580609 2
7,40
SQEU T - K 580609 36
O valor crítico à 5% para (2, 36) graus de liberdade é Fc = 3,26 e o valor-p do teste é
0,002. Assim, nós rejeitamos H0 e concluímos que a idade afeta os gastos com pizza.
(e) A propensão marginal a consumir pizza é dada por
E PIZZA
3 4 AGE
Y
As estimativas pontuais, erros padrão e estimativas de intervalo de 95% para essa
quantidade e para diferentes idades são dadas na tabela abaixo.
Correlações Simples
AGE AGE Y AGE 2 Y AGE 3 Y
Y 0,4685 0,9812 0,9436 0,8975
AGE 0,5862 0,6504 0,6887
AGE Y 0,9893 0,9636
AGE2 Y 0,9921
Os modelos para ambas às partes, (f) e (g), parecem sofrer de colinearidade, sendo mais
severo o caso na parte (g). Em ambos os casos, nenhum dos coeficientes são
significativamente diferentes de zero; não existem valores t maiores do que 2. Nenhum dos
coeficientes é estimado de forma muito confiável. É provável que a falta de confiabilidade
se deva à colinearidade. Na parte (f), existem 3 correlações simples maiores do que 0,94;
esse número cresce para 5 na parte (g). O número de regressões auxiliares com R2s
maiores do que 0,99 é 3 para a parte (f) e 4 para a parte (g). Na parte (g), depois do
arredondamento da quarta casa decimal, existem 2 valores de R2 igual a um. (Esses valores
seriam menores do que um se mais casas decimais fossem colocadas, se não a estimação
não teria solução). De um modo geral, a inclusão de variáveis ao quadrado e ao cubo pode
levar a colinearidade, se existe uma variação inadequada na variável.
10.2 (a) Depois de reescalonar a renda, dividindo-a por 1000, a equação estimada com sexo
incluído, tendo os erros padrão nos parênteses, é
PIZZA = 380,42 182,86 S 6,212 AGE + 5,243 Y 0,0678 AGEY
(89,66) (28,48) (2,358) (2,591) (0,0613)
4
O valor t para sexo é t 182,86 28, 48 6, 42 , indicando que ela é uma variável
explanatória relevante. Incluí-la no modelo leva a mudanças substanciais nos coeficientes
das outras variáveis.
(b) Quando o nível educacional é incluído, o modelo estimado passa a ser
PIZZA = 144,89 + 61,08 E1 44,18 E2 116,18 E3 3,385 AGE + 10,559 Y 0,1794 AGEY
(115,7) (57,13) (63,34) (90,44) (3,264) (3,782) (0,0872)
Nenhum dos coeficientes das variáveis binárias é significativo, o que coloca dúvidas sobre
a relevância da educação como variável explanatória. Além do mais, a inclusão das
dummies de educação teve um pequeno impacto sobre os outros coeficientes estimados.
Para confirmar a falta de evidência na inclusão da educação, nós necessitamos utilizar um
teste F para conjuntamente testar se os coeficientes de E1, E2 e E3 são todos zero. O valor
dessa estatística é
SQER SQEU J 580609 478133 3
F 2,36
SQEU T K 478133 33
Esse valor é maior do que Fc = 2,72, que é o valor crítico à 5% para (4, 32) graus de
liberdade. O valor-p é 0,00001. Assim, nós rejeitamos a hipótese nula de que homens e
mulheres têm equações de gastos com pizza idênticas. Esse resultado implica que equações
diferentes deveriam ser usadas para modelar os gastos com pizza de homens e de mulheres.
Ele não afirma quão diferentes são as equações. Por exemplo, todos os seus coeficientes
poderiam ser diferentes, ou simplesmente somente seus interceptos.
10.3 (a) É conveniente expressar a renda em unidades de milhares de dólares. Depois de feito isso,
a versão comparável da equação R10.2, com erros padrão nos parênteses, é
PIZZA = 161,47 2,977 AGE + 9,074 Y 0,16021 (AGE Y)
(120,7) (3,352) (3,670) (0,08673)
5
(b) Da amostra, nós obtemos a média de idade = 33,475 e a renda média= 42,925. Assim, o
efeito marginal exigido da renda é
E ( PIZZA)
= 9,074 0,16021 AGE = 9,074 0,16021 33,475 = 3,711
Y
Utilizando um software, nós achamos que o erro padrão dessa estimativa é 0,927, e o valor
t para testar se o efeito marginal é significativamente diferente de zero é t
3,711 0,927 4,00 . O valor-p correspondente é 0,0003, levando-nos a concluir que o
efeito marginal da renda é estatísticamente diferente de zero ao nível de significância de
1%.
(c) Uma estimativa de intervalo de 95% para o efeito marginal da renda é dado por
3,711 2,0281 0,927 = (1,831, 5,591)
(d) O efeito marginal da idade para um indivíduo de renda média é dado por
E ( PIZZA)
= 2,977 0,16021 Y = 2,977 0,16021 42,925 = 9,855
( AGE )
Utilizando um software, nós encontramos que o erro padrão dessa estimativa é 2,562, e o
valor t para testar se o efeito marginal da idade é significativamente diferente de zero é t
9,855 2,562 3,85 . O valor-p do teste é 0,00047, implicando que o efeito marginal da
idade é estatísticamente diferente de zero ao nível de significância de 1%.
(e) Uma estimativa de intervalo de 95% para o efeito marginal da idade é dada por
9,8545 2,0281 2,5616 = (15,05, 4,66)
(f) Uma importante peça de informação para Gutbusters é a resposta do consumo de pizza à
idade e à renda. É proveitoso conhecer a demanda por pizzas em comunidades jovens e
velhas e em regiões de alta e baixa renda. Um bom ponto de partida em investigações desse
tipo é avaliar as respostas para a idade média e renda média. Tal avaliação irá indicar se
existem respostas importantes e, se assim for, fornecer alguma idéia de suas magnitudes.
As duas respostas são estimadas como
E ( PIZZA) E ( PIZZA)
= 3,711 = 9,855
Y ( AGE )
Ambas estimativas são estatísticamente diferentes de zero ao nível de significância de 1%.
Elas sugerem que aumentos de renda elevarão o consumo de pizza, mas, à medida que as
comunidades ficam velhas, sua demanda por pizza cai. As estimativas de intervalo dão
uma indicação da confiabilidade das respostas estimadas. Nesse contexto, nós estimamos
que a resposta da renda fica entre 1,831 e 5,591, enquanto que a resposta da idade fica
entre 15,05 e 4,66.
P Resposta estimada
1 7,4444 3,8888 N t
2 6,8777 3,8888 N t
3 6,3111 3,8888 N t
N Resposta estimada
1 4, 2333 1,5556 Pt
2 3,6666 1,5556 Pt
3 3,0999 1,5556 Pt
Comentários semelhantes feitos na parte (a) podem ser aplicados aqui. A resposta marginal
da safra ao fósforo declina à medida que o nível de P aumenta. Além do mais, ela declina à
medida que o nível de N aumenta.
Yt Yt
10.5 A safra é máxima no ponto onde e são iguais a zero; isto é
Nt Pt
2 2 4 N t 6 Pt 0
e 3 25 Pt 6 N t 0
Dessas duas equações, nós podemos resolver para os nível de N t e Pt , onde a safra é máxima.
Utilizando as estimativas obtidas, o nível máximo da safra ocorre quando
b3b6 2b2b5 1
Nt 1,701 e Pt b3 b6 Nt 2, 466
4b4b5 b62 2b5
Yt Yt
O nível máximo de safra ocorre quando 0 e 0 . Os níveis ótimos de aplicação dos
Nt Pt
Yt PN Yt PP
fertilizantes são e , onde PN , PP e PY são os preços do fertilizante de
N t PY Pt PY
nitrogênio, do fertilizante de fósforo e do amendoim, respectivamente. Portanto, os níveis de N e
P que dão a safra máxima não fornecerão os níveis ótimos a menos que os preços dos dois
fertilizantes sejam zero.
7
(b)
P 1, N 2 2 44 6 0 0,2005 -1,6618 aceita
(c)
P 1, N 3 2 64 6 0 0,4829 -8,7430 rejeitada
(c) Com a idade de 70 anos, o escore previsto (em relação à média) para Lion Forrest é
241,71. Para bater os 100, seria necessário ter menos do que 28. Assim, Forest não será
capaz de bater os 100 quando ele tiver 70 anos.
10.8 (a) Como mencionado no livro, diferentes pacotes estatísticos produzirão diferentes erros
padrão. Na verdade, podemos encontrar diferentes erros padrão utilizando até o mesmo
pacote estatístico com valores iniciais diferentes para os parâmetros. Isso não é causa de
alarme. Os erros padrão vêm de uma aproximação da taxa de variação da inclinação da
função de soma dos quadrados. Diferentes aproximações dão resultados ligeiramente
diferentes. Os coeficientes estimados de mínimos quadrados não lineares e os erros padrão
do SAS, SHAZAM e EViews são os seguintes:
Estimativa do Coeficiente 1,555 0,3629 0,1475 1,204
Erro Padrão (SHAZAM) 0,109 0,0418 1,3643 0,230
Erro Padrão (SAS) 0,111 0,0420 1,5866 0,238
Erro Padrão (Eviews) 0,124 0,0469 1,7735 0,266
9
Com exceção de , os parâmetros parecem que são estimados com relativa precisão.
Contudo, de um ponto de vista econômico, as magnitudes de alguns dos parâmetros devem
ser considerados com desconfiança. Um retorno de escala de = 0,3629 é relativamente
baixo e incomum, e o valor = 1,204 cai fora do intervalo adequado 0 < < 1. Seria uma
boa idéia procurar uma especificação melhor.
(b) (i) O valor t para testar H0: = 0 contra a alternativa H1: 0 é muito baixo (t =
0,1). Assim, não existe evidência estatística para sugerir que a função de produção
Cobb-Douglas não é adequada.
(ii) A função Cobb-Douglas estimada é
ln( Q t ) = 1,555 + 0,438 ln(Lt) 0,076 ln(Kt)
(0,120) (0,073) (0,081)
O coeficiente negativo para ln(Kt) coloca dúvidas na especificação e/ou na qualidade
da estimação. Contudo, os resultados do teste F concordam com o resultado do teste
t da parte (i). Especificamente, o valor calculado para o teste F é F = 0,0092, que
está bem abaixo do valor crítico para qualquer nível de significância convencional.
1 2 3
Estimativa do Coeficiente 922,82 13,3120 0,6802 5,4655
Erro Padrão (SHAZAM) 16,06 1,7666 0,0244 0,7052
Erro Padrão (SAS) 16,06 1,7636 0,0244 0,7037
Erro Padrão (Eviews) 16,82 1,8472 0,0255 0,7370
Esse conjunto de parâmetros estimados é obtido da estimação não linear que utiliza os
valores iniciais de 1, 2, 3 e calculados da estimação de q como uma função linear de p
e s (1 = 784, 2 = 2,32, 3 = 1,02 e = 1).
No valor médio de p (= 250,91) e de q (= 381,84), a elasticidade da demanda da lã em
relação ao seu preço é
10
250,91
0,6802
p
p 2 t 13,312 1, 495
qt 381,84
No valor médio de s (= 180,13) e de q (= 381,84), a elasticidade em relação ao preço dos
sintéticos é
180,13
0,6802
s
s 3 t 5,4655 0, 4898
qt 381,84
13,312 5, 4655
7,195
3, 2283 0,5127 2 1, 2758
10.10 As previsões para os próximos dez anos são apresentadas na tabela abaixo. As previsões
mostram um aumento na produção de aço à uma taxa decrescente. A aproximação do nível de
saturação de 0,46 é muito gradual; levarão alguns anos para ele ser alcançado.
11
t ŷ0 t ŷ0
29 0,4265 34 0,4416
30 0,4302 35 0,4438
31 0,4335 36 0,4458
32 0,4365 37 0,4475
33 0,4392 38 0,4491
10.12 (a) Os resultados da estimação e os intervalos de confiança de 95% para cada parâmetro são
apresentados na tabela abaixo. Diferentes programas não dão os mesmos resultados para
os erros padrão em virtude da diferença de algoritmos utilizados para os mínimos
quadrados não lineares. Os intervalos de confiança apresentados na tabela são calculados
com os erros padrão dados pelo EViews. Qualquer que seja o programa utilizado, os
intervalos de confiança calculados são baseados nos erros padrão obtidos com apenas 9
observações. Como os erros padrão do método não linear somente têm boas propriedades
em grandes amostras, os intervalos de confiança baseados em somente 9 observações não
são confiáveis.
1 2 3 4
Estimativa do Coeficiente 0,7184 -1,2052 1374,5 0,0455
Erro Padrão (SHAZAM) 0,0196 0,0746 131,38 0,0059
Erro Padrão (SAS) 0,0264 0,1006 178,52 0,0079
Erro Padrão (EViews) 0,0264 0,1006 178,55 0,0079
Intervalo de Confiança (EViews) (0,651, 0,786) (-1,46, -0,95) (915,4, 1833,6) (0,025, 0,066)
1374, 466
y0 0,7184 1, 2052exp 0,0455(5) 0,4755
1000
Para x1 250 e x2 0 , o peso ganho é
1374, 466
y0 0,7184 1,2052exp 0,0455(0) 0,7135
250
Com o mesmo custo, a opção da taxa de estocagem de 250 e nenhuma alimentação
suplementar é a melhor escolha.
(c) A hipótese nula é H 0 : (1 2 ) 0 e 4 0 . Da saída do EViews, a estatística F e a
estatística 2 são 16,96 e 33,92, respectivamente. Seus valores-p respectivos de 0,0059 e
0,0000 são muito pequenos. Nós, portanto, rejeitamos H 0 e concluímos que o modelo
simples não descreve adequadamente o ganho de peso.
13
(b) Nós esperamos que 2 seja negativo e 3 seja positivo. As estimativas têm os sinais
esperados.
(c) Como ele é um jogo fora, home =0. Com o record=0,873, a previsão é
exp(0,9845 0,8840(0,873)) 1,237
Então, utilizando a distribuição de Poisson, nós temos
(1, 237)2 exp(1, 237)
P( y 2) 0, 222
2!
(1, 237)3 exp( 1, 237)
e P( y 3) 0,092
3!