UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO

CENTRO DE CIÊNCIAS JURÍDICAS E ECONÔMICAS

PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

PECO-5021 – ECONOMETRIA

Prof.º: Edson Zambon Monte; Período: 2021/1

[email protected]

Lista de exercícios nº 1 – Não avaliativa

Observação: recomenda-se, também, fazer os exercícios de GREENE (2018).

1) Considere “ a ” uma constante e X uma variável aleatória. Demonstre que,

VAR( aX ) = a 2VAR( X ) .

2) Considere que 𝑋1 , 𝑋2 , … , 𝑋𝑛 denotem 𝑛 variáveis aleatórias independentes, todas elas possuem

∑𝑛 𝑋
função de distribuição de probabilidade com média 𝜇 e variância 𝜎 2 . Seja 𝑋̅ = 𝑖=1 𝑖, a média𝑛
𝜎2
amostral. Supondo que 𝑛 aumente indefinidamente, prove que 𝐸(𝑋̅) = 𝜇 e 𝑉𝐴𝑅(𝑋̅) = .
𝑛

3) Considere que 𝑋1 , 𝑋2 , … , 𝑋𝑛 denotem 𝑛 variáveis aleatórias independentes, sendo que todas elas
∑𝑛 𝑋
possuem função de distribuição de probabilidade com média 𝜇 e variância 𝜎 2 . Seja 𝑋̅ = 𝑖=1 𝑖,
𝑛
a média amostral. Supondo que 𝑛 aumente indefinidamente, prove que o estimador 𝑋̅ é um
estimador consistente de 𝜇.

4) Demonstre que 𝑉𝐴𝑅(𝑋) = 𝐸(𝑋 − 𝜇)2 = 𝐸(𝑋 2 ) − 𝜇 2 .

5) Demonstre que 𝐶𝑂𝑉(𝑋, 𝑌) = 𝐸(𝑋 − 𝜇𝑥 )(𝑌 − 𝜇𝑦 ) = 𝐸(𝑋, 𝑌) − 𝜇𝑥 𝜇𝑦 .

6) Suponha que 𝑋 e 𝑌 sejam variáveis aleatórias independentes. Para este caso, prove que
𝐶𝑂𝑉(𝑋, 𝑌) = 0.

7) Se 𝐶𝑂𝑉(𝑋, 𝑌) = 0, as duas variáveis são independentes? Justifique.

 (X − X ) = 0.
n
8) Sendo X uma variável aleatória, prove, matematicamente, que i
i =1

9) Suponha um estimador qualquer dado por 𝜃̂. Demonstre que 𝐸𝑄𝑀(𝜃̂) = 𝐸(𝜃̂ − 𝜃)2 =
𝑉𝐴𝑅(𝜃̂) + [𝑉𝐼É𝑆(𝜃̂)]2 ; em que 𝐸𝑄𝑀 = 𝑒𝑟𝑟𝑜 𝑞𝑢𝑎𝑑𝑟𝑎𝑑𝑜 𝑚é𝑑𝑖𝑜.

10) Cite e explique as etapas da análise econométrica.

11) Quais as hipóteses no Modelo de Regressão Linear Clássico (MRLC) quando considerada a
análise de regressão simples? Explique cada uma delas.

12) Dadas às hipóteses (ou premissas) do Modelo de Regressão Linear Clássico (MRLC), as
estimativas de Mínimos Quadrados Ordinários (MQO) possuem algumas propriedades ideais ou
ótimas. Quais são estas propriedades? Explique cada uma delas.

1
 UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO
CENTRO DE CIÊNCIAS JURÍDICAS E ECONÔMICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

13) Considere o seguinte modelo: Yi = 1 +  2 X i + ui . Utilizando o método de MQO, derive os

estimadores de 1 e  2 .

14) Os economistas estão sempre interessados em saber se, e em que grau, as ações dos governos,
seja Federal, Estadual ou Municipal, afetam a economia. Com isso em mente, um pesquisar
propôs o modelo teórico abaixo para estudar como o investimento público, dos governos
estaduais, afeta o PIB estadual.

Yi = 1 +  2 X i + ui

em que Yi é o PIB medido em R$ bilhões; X i , investimento também medido em R$ bilhões; e, ui ,

termo de erro.

a) Qual a interpretação de 1 ,  2 e ui ?
b) Suponha que os dados disponíveis compreendam uma amostra dos 27 estados apenas para o ano
de 2010. Mostre como os valores dos parâmetros populacionais desconhecidos 1 e  2 são
obtidos através do método de mínimos quadrados ordinários.
c) O que nos garante que o resultado encontra pelo método do item “b” é o melhor possível?

15) Tome o modelo: Yi = 1 +  2 X i + ui . Uma das propriedades do método de Mínimos Quadrados

Ordinários (MQO) é que seus estimadores são não viesados (ou não tendenciosos). Esta
propriedade é representada, de forma generalizada, por: E (ˆ ) =  . Prove, matematicamente,
que E (ˆ ) =  e E ( ˆ ) =  .
1 1 2 2

16) Suponha que seja ajustada a reta de regressão 𝑌̂𝑖 = 𝛽̂1 + 𝛽̂2 𝑋𝑖,2, porém a variável resposta é
afetada por uma segunda variável 𝑋𝑖,3, tal que o verdadeira modelo a ser estimado é 𝑌𝑖 = 𝛽1 +
𝛽2 𝑋𝑖,2 + 𝛽3 𝑋𝑖,3 + 𝑢𝑖 . O estimador de mínimos quadrados de 𝛽2 (𝛽̂2 ) da regressão linear
simples é não-viciado? Se viciado, mostre o tamanho do viés de ̂ 2 .

1 X2 
17) Dado o modelo: Yi = 1 +  2 X i + ui , prove que VAR ( ˆ1 ) =  2  +  e que
 n S XX 
2 2
2

; onde S XX =  (X i − X ) . Também prove que COV ( ˆ1 , ˆ2 ) = − X

n
VAR ( ˆ2 ) = .
S XX i =1 S XX

 (Y )
n n
18) Baseando-se no modelo: Yi = 1 +  2 X i + ui . Prove que
i =1
i − Yˆ = 0 e que  X uˆ
i =1
i i =0.

19) Tem-se o modelo Yi = 1 +  2 X i + ui . Sendo o t estatístico (t calculado) para realização do teste

ˆ2 ˆ2
de significância do coeficiente  2 dado por t0 = = , prove que, para uma
ep( ˆ2 ) MSQRES
S XX
regressão linear simples, t02 = F0 .

2
 UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO
CENTRO DE CIÊNCIAS JURÍDICAS E ECONÔMICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

SQEXP
20) Para o modelo Yi = 1 +  2 X i + ui . Demonstre que Fcal = é igual a
SQRES /( n − 2)
R2
Fcal = ; em que EXP = explicada (regressão) e RES = resíduos.
(1 − R 2 ) /( n − 2)

2
21) Como base em VAR ( ˆ2 ) = , uma maior dispersão de X i em torno de sua média ( X ) será
S XX
melhor ou pior em termos de precisão da estimativa de ̂ 2 ? Explique.

22) Considerando o modelo: Yi = 1 +  2 X i + ui , prove que o valor médio de Yi estimado ( Ŷi ) é

igual a valor médio do valor observado de Yi , ou seja, Ŷi = Yi .

23) Tem-se o seguinte modelo de regressão, 𝑌𝑖 = 𝛽1 + 𝛽2 𝑋𝑖,2 + 𝑢𝑖 , que em termos estimados é dado
por: 𝑌𝑖 = 𝛽̂1 + 𝛽̂2 𝑋𝑖,2 + 𝑢̂𝑖 . Demonstre que esse último modelo pode ser expresso por: 𝑦𝑖 =
𝛽̂2 𝑥𝑖,2 + 𝑢̂𝑖 , em que 𝑦𝑖 = 𝑌𝑖 − 𝑌̅ e 𝑥𝑖 = 𝑋𝑖 − 𝑋̅, ou seja, desvios em relação à média.

24) Em relação à análise de regressão linear múltipla, desenvolva sobre:

a) Descreva e explique as hipóteses do Modelo Clássico de Regressão Linear, adotando a notação

matricial.
b) Considerando as hipóteses do Modelo de Regressão Linear Clássico e usando a notação
matricial, derive o vetor de parâmetros desconhecidos utilizando o método de Mínimos
Quadrados Ordinários (MQO), bem como sua matriz de variância e covariância.
c) Considerando as hipóteses do Modelo de Regressão Linear Clássico e usando a notação
matricial, demonstre (prove) as propriedades estatísticas do estimador de Mínimos Quadrados
Ordinários (MQO) do vetor de parâmetros desconhecidos, para pequenas e grandes amostras.
d) Explique, adotando a notação matricial, o que é problema de endogeneidade na estimação dos
parâmetros de um modelo linear, descrevendo as possíveis causas de endogeneidade, e como
contorná-las.

25) O resultado fundamental do Modelo de Regressão Linear Clássico, em notação matricial, é

dado por: 𝒀 = 𝑿𝜷 + 𝝁, em que 𝒀 é o vetor de variáveis dependentes; 𝑿, matriz de variáveis
explicativas (mais a coluna que representa o intercepto); 𝜷, vetor de parâmetros a serem
estimados; 𝝁, vetor de erros aleatórios. Utilize o método de MQO e derive a matriz de
̂.
coeficientes 𝜷

26) O resultado fundamental da teoria dos Mínimos Quadrados (MQO), em notação matricial, é
dado por: 𝜷 ̂ = (𝑿′𝑿)−1 𝑿′𝒀. Demonstre (prove) que 𝜷
̂ é um estimador não viesado (não
viciado) de 𝜷.

27) Suponha o modelo matricial verdadeiro (teórico) dado por 𝒀 = 𝑿1 𝜷1 + 𝑿2 𝜷2 + 𝝁 (forma

matricial particionada). Você estimou a seguinte equação: 𝒀 ̂ 1, onde 𝜷
̂ = 𝑿1 𝜷 ̂1 =
′ −1 ′ ̂ 1 é viciado ou não viciado? Prove.
(𝑿1 𝑿1 ) 𝑿1 𝒀. O estimador 𝜷

28) Suponha o modelo matricial 𝒀 = 𝑿𝜷 + 𝝁, em que 𝒀 é o vetor de variáveis dependentes; 𝑿,

matriz de variáveis explicativas (mais a coluna que representa o intercepto); 𝜷, vetor de
3
 UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO
CENTRO DE CIÊNCIAS JURÍDICAS E ECONÔMICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

parâmetros a serem estimados; 𝝁, vetor de erros aleatórios; e, 𝑣𝑎𝑟(𝝁) = 𝜎 2 𝑰. Prove que 𝑣𝑎𝑟 −
̂ |𝑿) = 𝜎 2 (𝑿′𝑿)−1 .
𝑐𝑜𝑣(𝜷

SQEXP /( k − 1) R 2  (n − k )
29) Demonstre que Fcal = é igual a Fcal = .
SQRES /( n − k ) (1 − R 2 )  (k − 1)

30) O modelo de regressão múltiplo estimado pode ser representado por 𝒀̂ = 𝑿𝜷 ̂ , que também
̂ = 𝑯𝒀. Demonstre como isto é possível e como é representa a matriz
pode ser expresso como 𝒀
𝑯 (matriz chapéu).

̂ = (𝑰 − 𝑯)𝒀; onde 𝑰 é a
31) Tem-se o modelo: 𝒀 = 𝑿𝜷 + 𝝁. Demonstre que o vetor dos resíduos 𝝁
matriz identidade.

̂′𝝁
32) Baseado no modelo 𝒀 = 𝑿𝜷 + 𝝁, prove que 𝝁 ̂ ′𝑿′𝒀.
̂ = 𝒀′ 𝒀 − 𝜷

33) Baseado no modelo 𝒀 = 𝑿𝜷 + 𝝁, prove que 𝑿′𝝁

̂ = 𝟎.

34) Suponha o modelo matricial 𝒀 = 𝑿𝜷 + 𝝁, em que 𝒀 é o vetor de variáveis dependentes; 𝑿,

matriz de variáveis explicativas (mais a coluna que representa o intercepto); 𝜷, vetor de
parâmetros a serem estimados; e, 𝝁. Demonstre (prove) que 𝐸(𝝁𝝁′ |𝑿) = 𝜎 2 𝑰, onde 𝑰 é matriz
identidade de dimensão 𝑛 × 𝑛.

35) Considere 𝒀 = 𝑿𝜷 + 𝝁; sendo 𝒀, o vetor de variáveis dependentes; 𝑿, matriz de variáveis

explicativas não estocásticas (mais a coluna que representa o intercepto); 𝝁, vetor de erros
aleatórios; e 𝐸(𝝁𝝁′ |𝑿) = 𝜎 2 𝑰. O resultado fundamental da teoria de MQO, em notação
matricial, é: 𝜷̂ = (𝑿′𝑿)−1 𝑿′𝒀, sendo 𝜷̂ um estimador linear e não viciado de 𝜷. Suponha,
agora, outro estimador qualquer, dado por 𝜷̂ ∗ = [(𝑿′ 𝑿)−1 𝑿′ + 𝑪]𝒀, em que 𝑪 (𝑪 ≠ 𝟎) é uma
̂ linear e não viciado. Considerando todas as hipóteses do modelo
matriz de constantes, sendo 𝜷 ∗

de regressão linear válidas, prove que o estimador de MQO 𝜷 ̂ é eficiente em relação ao

estimador 𝜷̂ .
∗

36) Considere as seguintes matrizes de dados:

 2 1 2 
   
 3 1 4 
𝒀 =  5  e 𝑿 = 1 6  . Estime a regressão, Yi = 1 +  2 X i + ui , onde ui é o termo do erro
   
 4 1 8 
6 1 10 
   
aleatório, por Mínimos Quadrados Ordinários, utilizando a abordagem matricial. Mesmo sendo o
número de observações muito pequeno, para fins de desenvolvimento do exercício este número é
irrelevante.

37) Agora considere as seguintes matrizes de dados:

4
 UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO
CENTRO DE CIÊNCIAS JURÍDICAS E ECONÔMICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

 2 1 2 4 
   
 3 1 4 8 
𝒀=   e 𝑿=  . É possível estimar os coeficientes do modelo
5 1 6 12 
   
 4 1 8 16 
   
Yi = 1 +  2 X 1 +  3 X 2 + ui ? Explique (prove) por meio da equação: 𝜷
̂ = (𝑿′𝑿)−1 𝑿′𝒀. Mesmo
sendo o número de observações muito pequeno, para fins de desenvolvimento do exercício este
número é irrelevante.

38) Tem-se o modelo Yi = 1 +  2 X i + ui . O que significa a expressão E (ui , u j ) =  i2 , para i = j ?

39) O resultado fundamental do Modelo de Regressão Linear Clássico, em notação matricial, é

dado por: 𝒀 = 𝑿𝜷 + 𝝁. Caso a matriz de variância-covariância dos erros seja,

 1 0,56 ... 0,42

0,56 1 ... 0,65
2 
𝐸(𝝁𝝁 =  .
′)
, você diria que alguma das hipóteses do modelo de
 ... ... ... ... 
 
0,42 0,65 ... 1 
regressão linear clássico está sendo violada? Explique.

40) Quadro a seguir fornece os dados utilizados por um fabricante de cabos telefônicos para prever
as vendas para um importante cliente. Os dados são do período de 1993 a 2008 (utilize software
estatístico).

(Y ) Vendas ( X 1 ) Novas ( X 2 ) Taxa de ( X 3 ) Taxa ( X 4 ) % de ( X 5 ) PIB

Ano (t) (milhões moradias desemprego de juros (%) aumento das (milhões de
metros) (milhares) (%) linhas US$)
1993 5873 1503,6 3,6 5,8 5,9 1051,8
1994 7852 1486,7 3,5 6,7 4,5 1078,8
1995 8189 1434,8 5,0 8,4 4,2 1075,3
1996 7497 2035,6 6,0 3,2 4,2 1107,5
1997 8534 2360,8 5,6 5,4 4,9 1171,1
1998 8688 2043,9 4,9 5,9 5,0 1235,0
1999 7270 1331,9 5,6 9,4 4,1 1217,8
2000 5020 1160,0 8,5 9,4 3,4 1202,3
2001 6035 1535,0 7,7 7,2 4,2 1271,0
2002 7425 1961,8 7,0 6,6 4,5 1332,7
2003 9400 2009,3 6,0 7,6 3,9 1399,2
2004 9350 1721,9 6,0 10,6 4,4 1431,6
2005 6540 1298,0 7,2 14,9 3,9 1480,7
2006 7675 1100,0 7,6 16,6 3,1 1510,3
2007 7419 1039,0 9,2 17,5 0,6 1492,2
2008 7923 1200,0 8,8 16,0 1,5 1535,4

a) Estime a regressão Y = 1 +  2 X 1 +  3 X 2 +  4 X 3 +  5 X 4 +  6 X 5 +  .
b) Comente sobre os sinais esperados para os coeficientes e estime uma regressão múltipla com
todas as variáveis.

5
 UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO
CENTRO DE CIÊNCIAS JURÍDICAS E ECONÔMICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

c) Teste a hipótese da existência da regressão múltipla e a hipótese da significância estatística de

cada coeficiente. Utilize nível de significância de 10%. Se você considerar somente importante
os coeficientes significativos, como ficaria sua nova equação estimada?
d) Interprete os coeficientes estimados do modelo original.
e) Interprete o coeficiente de determinação e o coeficiente de determinação ajustado. Qual a
diferença entre os dois.

41) Considere o problema de estimar uma função de produção que expresse a relação entre a
produção de um bem (Y ) e a quantidade de insumos (X ) . A produção e a quantidade de
insumos são dadas em unidades. Os dados relativos à produção e a quantidade de insumos
encontram-se abaixo:

Produção (Y ) Quantidade de insumos (X )

0,58 1
1,10 2
1,20 3
1,30 4
1,95 5
2,55 6
2,60 7
2,90 8
3,45 9
3,50 10
3,60 11
4,10 12
4,35 13
4,40 14
4,50 15

a) Suponha que os dados possam ser descritos por um modelo de regressão linear simples,
Yi = 1 +  2 X i + ui , e que todas as hipóteses do modelo de regressão linear clássico sejam
verificadas. Aplique o método dos mínimos quadrados ordinários (MQO) para estimar os
parâmetros  1 e  2 (não utilize software estatístico/econométrico).
b) Dê uma explicação econômica o parâmetro estimado de efeito marginal.
c) Com os resultados obtidos do item “a”, represente graficamente a função de produção estimada.
d) Qual o valor previsto para a produção (Y ) quando a quantidade de insumos (X ) é igual a 20?
e) Calcule a elasticidade de produção (Y ) em relação à quantidade de insumos (X ) , utilizando os
pontos médios de X ( X ) e de Y (Y ) . Interprete o resultado.

42) A partir de certos dados um pesquisador estimou um modelo e obteve seguinte resultado:

Variável dependente: PIB

Observações incluídas: 27
Variável Coeficiente Desvio Padrão Estatística t Prob.
C -27,23964 9,805189 -2,778084 0,0102
INVESTIMENTO 107,7422 9,581670 11,24462 0,0000
R2 0,834920

a) Os coeficientes 1 e  2 apresentam o sinal esperado? Explique.

b) Interprete o resultado encontrado para o R 2 (coeficiente de determinação).
c) Qual a diferença entre o coeficiente de determinação e o coeficiente de correlação?
6
 UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO
CENTRO DE CIÊNCIAS JURÍDICAS E ECONÔMICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

d) Comente e explique a seguinte afirmação: quando se inclui uma variável explicativa no modelo
de regressão, em geral, o coeficiente de determinação aumenta.
e) Se o investimento público se elevar em R$ 2 bilhões, qual será a variação no PIB, segundo o
modelo estimado?
f) Existem outros fatores que explicam o PIB? Esses fatores são captados pelo modelo acima? Se
esses fatores forem perfeitamente correlacionados com as variáveis explicativas qual a
consequência sobre os estimadores de mínimos quadrados?

43) Com base nos valores estimados para 1 e  2 no exercício 42, resolva os itens abaixo:

a) Construa o intervalo de confiança para  2 para o nível de significância de 5%. Qual a

interpretação do resultado encontrado?
b) Teste a hipótese H 0 :  2 = 0 contra H 1 :  2  0 , usando o teste t-student. Explique o significado
do resultado obtido. Utilize o nível de significância de 5%.

44) Com as informações sobre o consumo de café em xícaras, em função do preço em dólares, nos
Estados Unidos, para o período de 2000 a 2010, estime e interprete os resultados das seguintes
regressões (utilize software estatístico/econométrico):

Qtde (Y ) 2,57 2,50 2,30 2,25 2,20 2,11 1,94 1,97 2,06 2,02 2,35
Preço (X ) 0,77 0,74 0,73 0,76 0,75 1,08 1,81 1,39 1,20 1,17 0,72

a) Linear: Yi = 1 +  2 X i + ui ;
b) Lin-log: Yi =  +  2 log X i + ui , em que  = log 1 ;
c) Log-lin: log Yi =  +  2 X i + ui ;
c) Duplo logarítmica: log Yi =  +  2 log X i + ui , em que  = log 1 ;
1
d) Inversa: Yi = 1 +  2 + ui ;
Xi
e) Calcule e interprete as elasticidades para cada função estimada. Quando necessário, utilize o
ponto médio dos dados (Y ) e ( X ) ;
f) Prove que, para o modelo Yi = 1 X i2 , a elasticidade de substituição de Y por X é igual a  2 ;
g) Prove que, para o modelo Yi =  +  2 log X i + ui , a elasticidade de substituição de Y por X é
1
igual a  2 .
Yi

45) Suponha que você seja admitido para trabalhar em uma empresa que dispõe dos resultados
abaixo, que dizem respeito à estimação de uma função de custo total (em R$), em função da
quantidade produzida (em unidades) em uma das fábricas da empresa.

Dependent Variable: CUSTO TOTAL

Method: Least Squares
Variable Coefficient Std. Error Prob.
C 791,0120 225,7354 0,0365
QUANTIDADE 11,06105 2,160396 0,0069
R-squared 0,867609 Mean dependent var 2389,333
Adjusted R-squared 0,834511 S.D. dependent var 290,3678
S.E. of regression 118,1225 Akaike info criterion 12,64252
7
 UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO
CENTRO DE CIÊNCIAS JURÍDICAS E ECONÔMICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

Sum squared resid 55811,69 Schwarz criterion 12,57311

Log likelihood -35,92757 F-statistic 26,21355
Durbin-Watson stat 3,071849 Prob(F-statistic) 0,006887

Pede-se:

a) Calcule a elasticidade custo da produção para o ponto médio da função, interpretando-a.

b) Faça o teste de hipótese para cada coeficiente estimado. Elaborar as hipóteses. Considere
 = 0,05 e “t” tabelado igual a 2,776.
c) Poderia ser utilizada a estatística F para verificar a significância do coeficiente de efeito
marginal. Explique.
d) Construa e interprete um intervalo de confiança para a inclinação da função sabendo que o valor
de “t” tabelado, com  = 0,05 , é igual a 2,776.
e) Interprete o coeficiente de determinação e o coeficiente de determinação ajustado.
f) Para fazer testes de hipóteses no Modelo de Regressão Linear Clássico (MRLC), considera-se
que os erros seguem distribuição normal. Um dos testes de normalidade é o Teste de Jarque-Bera
(JB). Um pesquisador realizou o teste encontrando o seguinte: JB = 1,53 e  tab 2
= 2,54 . A que
conclusão o pesquisador chegou sobre a normalidade nos erros. Elaborar as hipóteses.

46) Responda as questões abaixo.

a) Estimou-se o logaritmo da variável custo total (em R$) da questão 45 em função do tempo, em
anos, encontrando-se o resultado abaixo. Já foi aplicado o antilog no parâmetro de intercepto.
Interprete os parâmetros estimados.

log( CustoTotal ) = 68,72 + 0,056 Ano R 2 = 0,9638

(0,023) (0,003)

b) Estimou-se o logaritmo da variável custo total (em R$) da questão 45 em função do logaritmo da
quantidade produzida (em unidades), encontrando-se a equação estimada abaixo. Encontre a
elasticidade custo da produção e interprete-a.

log( CustoTotal ) = 0,857 + 0,246 log( Quantidade)

47) Um pesquisador, estudando os impactos da oferta de crédito (CRED – R$) sobre o Produto
Interno Bruto (PIB – R$) dos municípios do Espírito Santo (78 municípios), estimou a seguinte
equação para o ano de 2008: LOG ( PIBi ) =  +  2 LOG (CREDi ) +  i ; em que  = log( 1 ) e  i
é termo de erro aleatório. O modelo estimado foi:

Dependent Variable: LOG(PIB)

Method: Least Squares
Date: 01/24/13 Time: 12:05
Cross-sections included: 78

Variable Coefficient Std. Error t-Statistic Prob.

C 4,664838 0,702390 6,641380 0,0000

LOG(CRED) 0,727858 0,069224 10,51451 0,0000

R-squared 0,633353 Mean dependent var 11,98305

Adjusted R-squared 0,627624 S.D. dependent var 1,257397

8
 UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO
CENTRO DE CIÊNCIAS JURÍDICAS E ECONÔMICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

S.E. of regression 0,767296 Akaike info criterion 2,337947

Sum squared resid 37,67959 Schwarz criterion 2,404300
Log likelihood -75,15225 Hannan-Quinn criter. 2,364166
F-statistic 110,5550 Durbin-Watson stat 0,000000
Prob(F-statistic) 0,000000

Pede-se:

a) Interprete os coeficientes estimados.

b) O modelo estimado está de acordo com a teoria econômica? Explique.
c) Teste se o coeficiente de efeito marginal é estatisticamente significante. Formular as hipóteses.
Não se esquecer da conclusão. Considere  = 0,05 e “t” tabelado igual a 1,96.
d) Construa e interprete um intervalo de confiança para o coeficiente de efeito marginal. Considere
 = 0,05 e “t” tabelado igual a 1,96. Se necessário utilize: IC = ˆ  ep( ˆ ).t 2 .
e) Interprete o coeficiente de determinação encontrado. Dada a fórmula para o coeficiente de
SQR
determinação: R 2 = 1 − , explique se a inclusão de uma variável explicativa adicional no
SQT
modelo elevará ou reduzirá o coeficiente de determinação.
f) Um dos testes de normalidade dos resíduos é o Teste de Jarque-Bera (JB). Para a regressão
estimada encontrou-se os resultados abaixo para o teste JB. A que conclusão o pesquisador
chegou sobre a normalidade dos resíduos. Elaborar as hipóteses. Considere 𝛼 = 0,01 e
2
𝜒𝑡𝑎𝑏𝑒𝑙𝑎𝑑𝑜 = 53,54.
14
Series: Residuals
12 Sample 1 78
Observations 78
10
Mean 2.09e-16
Median 0.186306
8 Maximum 1.413364
Minimum -2.405421
6 Std. Dev. 0.832477
Skewness -0.883473
4 Kurtosis 3.321874

2 Jarque-Bera 18.870682
Probability 0.040000
0
-2 -1 0 1

g) Elaborar o quadro de análise de variância. Faça o teste de significância estatística para o

coeficiente de inclinação da regressão, utilizando o teste F. Elaborar as hipóteses Considere
 = 0,05 e Ftab = 3,96 .

Variação Graus de liberdade Soma de quadrados Quadrado médio Fcal

Regressão
Resíduos
Total

h) Suponha que você estime o modelo inicial na forma linear: PIˆBi = 15.000.000 + 25CREDi .
Calcule a elasticidade do PIB em relação à oferta de crédito, no ponto em que a oferta de crédito
é igual a R$ 1.000.000,00, e interprete-a.

9
 UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO
CENTRO DE CIÊNCIAS JURÍDICAS E ECONÔMICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

48) Considere que uma empresa (firma) tem a seguinte função de produção Cobb-Douglas:
Y = Ax1 x2 ; em que Y é a produção; A , produtividade total dos fatores (uma constante); x1 e
x 2 , fatores de produção; e,  e  , coeficientes. Você poderia estimar esta relação por
mínimos quadrados ordinários (MQO)? Explique. Há alguma forma que lhe permita aplicar
MQO? Demonstre.

49) Suponha que a relação entre as exportações e a renda mundial não seja linear, mas, sim,
 
exponencial: EXPES t = 1  RMUNDt 2  e t ; (onde e é a constante matemática neperiana,
base do logaritmo neperiano). Você poderia estimar esta relação por mínimos quadrados
ordinários (MQO). Explique. Há alguma forma de aplicar MQO? Demonstre.

50) O que você entende por modelo mal especificado? Descreva os passos para realização do teste
Reset.

51) Com o intuito de verificar se o modelo Yi = 1 +  2 X 1i + 3 X 2i + i está especificado

corretamente foi realizado o teste Reset, cujos resultados encontram-se abaixo. Qual a
conclusão? Formular as hipóteses. Considere  = 0,05 e “F” tabelado igual a 4,10.

Ramsey RESET Test:

F-statistic 2,284568 Probability 0,20267

52) Tem-se o seguinte modelo Yi = 1 +  2 X i +  3 X i2 + i , sendo este considerado como o modelo

teórico verdadeiro ( 1  0;  2  0;  3  0) . Qual das duas linhas do gráfico abaixo representa o
modelo bem especificado e qual representa o modelo mal especificado? Explique os dois casos.
Como você descreveria a equação do modelo mal especificado? No caso do modelo mal
especificado, qual propriedade do método de Mínimos Quadrados Ordinários (MQO) não seria
mais válida?

A
Linha 1

B Linha 2

53) Suponha duas regressões dadas por:

Yi = 1 +  2 X i + 1i (regressão restrita) (Equação 1)

Yi = 1 +  2 X i +  2 X i2 +  2 X i3 +  2i (regressão irrestrita) (Equação 2)

10
 UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO
CENTRO DE CIÊNCIAS JURÍDICAS E ECONÔMICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

Um dos testes para verificar qual das duas regressões está especificada corretamente é o teste do
multiplicador de Lagrange (LM). Um pesquisador estimou a seguinte regressão para realizar o teste:
1i = 1 + 2 X i + 3 X i2 + 4 X i3 + vi , encontrando um  2 calculado igual a 5,28. Dado que ao nível
de significância de 5% o  2 tabelado igual a 9,21, qual a conclusão do pesquisador em termos de
qual regressão escolher? Formular as hipóteses.

54) O Quadro a seguir fornece os dados utilizados por um fabricante de cabos telefônicos para
prever as vendas para um importante cliente. Os dados são do período de 1993 a 2008 (utilize o
software estatístico\econométrico).

(Y ) Vendas ( X 1 ) Novas ( X 2 ) Taxa de ( X 3 ) Taxa ( X 4 ) % de ( X 5 ) PIB

Ano (t) (milhões moradias desemprego de juros (%) aumento das (milhões de
metros) (milhares) (%) linhas US$)
1993 5873 1503,6 3,6 5,8 5,9 1051,8
1994 7852 1486,7 3,5 6,7 4,5 1078,8
1995 8189 1434,8 5,0 8,4 4,2 1075,3
1996 7497 2035,6 6,0 3,2 4,2 1107,5
1997 8534 2360,8 5,6 5,4 4,9 1171,1
1998 8688 2043,9 4,9 5,9 5,0 1235,0
1999 7270 1331,9 5,6 9,4 4,1 1217,8
2000 5020 1160,0 8,5 9,4 3,4 1202,3
2001 6035 1535,0 7,7 7,2 4,2 1271,0
2002 7425 1961,8 7,0 6,6 4,5 1332,7
2003 9400 2009,3 6,0 7,6 3,9 1399,2
2004 9350 1721,9 6,0 10,6 4,4 1431,6
2005 6540 1298,0 7,2 14,9 3,9 1480,7
2006 7675 1100,0 7,6 16,6 3,1 1510,3
2007 7419 1039,0 9,2 17,5 0,6 1492,2
2008 7923 1200,0 8,8 16,0 1,5 1535,4

a) Estime a regressão Y = 1 +  2 X 1 +  3 X 2 +  4 X 3 +  2 X 1 +  5 X 4 +  6 X 5 +  .
b) Faça o teste Reset para verificar se o modelo está bem especificado.
c) Encontre a matriz de correlação entre as variáveis do modelo. Observando a matriz, você diria
que há algum indício de multicolinearidade entre os pares de variáveis explicativas? Explique.
d) Quais as possíveis fontes de multicolinearidade? Explique cada uma delas. Na presença de
multicolinearidade, quais as consequências para os estimadores de MQO?
e) Existem várias regras práticas para detectar a multicolinearidade. Utilize o método de regressões
auxiliares para verificar se existe multicolinearidade entre as variáveis explicativas do Quadro
acima.
f) Foi feito uma regressão auxiliar para verificar se 𝑋1 é colinear com as outras variáveis
explicativas do modelo. A partir dos resultados, qual a conclusão? Utilize nível de significância
de 10%.

55) Uma das regras práticas para solucionar o problema da multicolinearidade é a exclusão de uma
ou mais variáveis explicativas. No entanto, isto pode levar a um problema mais grave que a
multicolinearidade. Qual este problema? Explique as causas deste problema.

56) Suponha o seguinte modelo Yi = 1 +  2 X 1i +  3 X 2i +  4 X 3i +  i . Descreva os passos

envolvidos na realização do teste de regressão auxiliar, para verificar se existe correlação alta
ou perfeita, isto é multicolinearidade, entre X 1i e as variáveis X 2 i e X 3i . Nos passos devem
constar: formulação matemática (equação a ser estimada para realização do teste), hipóteses a
11
 UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO
CENTRO DE CIÊNCIAS JURÍDICAS E ECONÔMICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

serem testadas, estatística de teste e interpretação dos resultados (conclusão a partir das
hipóteses formuladas).

57) Quais as propriedades dos estimadores de Mínimos Quadrados Ordinários (MQO) na presença
de multicolinearidade? Explique cada uma delas.

58) A pesquisa Economia Informal Urbana 2003, divulgada pelo IBGE, apresenta a situação dos
pequenos empreendimentos não-agrícolas, em especial aqueles pertencentes ao setor informal.
Um pesquisador, que estuda os retornos de escala de grandes empresas a partir da função de
produção, decidiu pesquisar qual o retorno de escala que estes pequenos empreendimentos
apresentam. Assim, o pesquisador formulou o seguinte modelo para a população:

log( receita) =  o +  1 log( capital ) +  2 log( trabalho ) + u

onde receita e capital são medidas em R$, trabalho representa o número de trabalhadores em cada
firma e 𝑙𝑜𝑔 é o logaritmo natual. Com base nos dados de uma amostra de 39692 firmas, o
pesquisador estimou o modelo acima por mínimos quadrados ordinários e obteve o seguinte
resultado.

Variável Dependente: LOG(RECEITA)

Observações Incluídas: 39692
Variável Coeficiente Erro Padrão Estatística- t Prob.
C 2,965298 0,012253 242,0132 0,0000
LOG(CAPITAL) 0,637325 0,002199 289,7978 0,0000
LOG(TRABALHO) 0,288255 0,007950 36,25946 0,0000
R-quadrado 0,769275 Estatística F 66164,78
Soma de Quadrados dos Resíduos 17335,62 Prob(Estatística F) 0,000000

a. As variáveis capital e trabalho podem apresentar correlação alta ou perfeita no modelo

especificado? Por quê?
b. Como forma de corrigir a multicolinearidade pode-se excluir uma ou mais variáveis que são
colineares. No entanto “o remédio pode ser pior que a doença”? Por quê?
c. O simples aumento do tamanho da amostra pode amenizar a multicolinearidade? Explique.
d. Teste se os coeficientes 1 ,  2 e  3 são individualmente e conjuntamente significantes do
ponto de vista estatístico. Utilize nível de significância de 10%.
e. O modelo de regressão acima foi obtido partir da função de produção Cobb-Douglas. Segundo
essa função, a firma possui retornos constantes de escala se  2 +  3 = 1 . Teste se as pequenas
empresas do setor informal possuem retornos constantes de escala e explique o teste utilizado.
(Considere que a SQR do modelo restrito é igual a 17384,21).
f. Os coeficientes estimados ̂ 2 e ̂ 3 apresentam o sinal esperado? Interprete os mesmos.
g. Se as firmas contratarem 10% a mais de trabalhadores adicionais, qual será a variação na
receita, segundo o modelo estimado?
h. Interprete o coeficiente de determinação.

59) O quadro abaixo mostra o resultado da estimação da quantidade demandada de energia elétrica
(kwh), em função da tarifa (T) e da renda (Y) média, em termos de índices, no período de 1981
a 1990. Pede-se:

12
 UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO
CENTRO DE CIÊNCIAS JURÍDICAS E ECONÔMICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

Dependent Variable: Q
Method: Least Squares
Included observations: 10
Variable Coefficient Std. Error t-Statistic Prob.
C 7,889080 23,99340 0,328802 0,7519
T -0,263274 0,090018 -2,924670 0,0222
Y 1,237959 0,181799 6,809510 0,0003
R-squared 0,932022 Mean dependent var 94,90000
Adjusted R-squared 0,912599 S.D. dependent var 15,77938
S.E. of regression 4,664953 Akaike info criterion 6,161358
Sum squared resid 152,3325 Schwarz criterion 6,252133
Log likelihood -27,80679 F-statistic 47,98703
Durbin-Watson stat 2,044935 Prob(F-statistic) 0,000082

a) Elaborar o quadro de análise de variância.

b) Interprete os coeficientes estimados e explique se eles estão coerentes com a teoria econômica.
c) Monte as hipóteses e teste a significância da função estimada e dos parâmetros, sabendo-se que:
F2;7;0,10 = 2,30 = Ftabelado e t8;0,05 = 1,86 .
d) Interprete os valores do coeficiente de determinação e do coeficiente de determinação ajustado.

60) Considere os dados sobre despesas em consumo (Y) e renda ( X 1 ) e riqueza ( X 2 ), apresentados
no Quadro a seguir:

Y X1 X2
70 80 810
65 100 1009
90 120 1273
95 140 1425
110 160 1623
115 180 1876
120 200 2052
140 220 2201
155 240 2435
150 260 2686

a) Estime a função de regressão múltipla na forma: Y = 1 +  2 X 1 +  2 X 2 +  e analise-a (usar

forma matricial). Não utilizar o software estatístico. Explique se os coeficientes marginais estão
de acordo com a teoria econômica.
b) Agora, utilizando o software estatístico, estime uma regressão log-log e interprete os coeficientes
marginais estimados? Interprete também o coeficiente de determinação e o coeficiente de
determinação ajustado.

61) Considere os dados apresentados abaixo, em que a poupança esta expressa em milhões de reais
e a renda em milhões de reais:

Anos Poupança (Y) Renda (X) Anos Poupança (Y) Renda (X)
1946 0,36 8,8 1955 0,59 15,5
1947 0,21 9,4 1956 0,90 16,7
13
 UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO
CENTRO DE CIÊNCIAS JURÍDICAS E ECONÔMICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

1948 0,08 10,0 1957 0,95 17,7

1949 0,20 10,6 1958 0,82 18,6
1950 0,10 11,0 1959 1,04 19,7
1951 0,12 11,9 1960 1,53 21,1
1952 0,41 12,7 1961 1,94 22,8
1953 0,50 13,5 1962 1,75 23,9
1954 0,43 14,3 1963 1,99 25,2

a) O que você entende por variáveis binárias?

b) Estime o seguinte modelo de regressão: Yt = 1 +  2 X t + ut . Interprete a regressão estimada.
c) Estime o seguinte modelo de regressão: Yt = 1 +  2 Dt + X t + ut , em que, Dt = 1 , se
t = 1946,...,1951 e, Dt = 0 , caso contrário. Interprete a regressão estimada.
d) Estime o seguinte modelo de regressão: Yt =  1 +  2 X t Dt + X t + ut , em que, Dt = 1 , se
t = 1946,...,1951 e, Dt = 0 , caso contrário. Interprete a regressão estimada. Teste a significância
de  2 ao nível de significância de 5%.

62) Um pesquisador estimou a quantidade demandada – Q D (em unidades) de um determinado

produto, em função do seu preço – P (em R$) e da renda dos consumidores – R (em R$). A
equação estimada foi a seguinte:

log Q D = 5,75 + 0,57 log P + 0,88 log R n = 20 R 2 = 0,88 FCAL = 25,67

t cal 3,20 1,56 4,52

a) Os sinais dos coeficientes marginais estimados estão de acordo com a teoria econômica?
Explique.
b) Interprete os coeficientes estimados.
c) Teste se os coeficientes  2 e  3 são conjuntamente significantes do ponto de vista estatístico.
Formular a hipótese. Considere  = 0,05 e “F” tabelado igual a 3,81.
d) Determine a elasticidade renda da demanda e interprete-a.
e) Interprete o resultado do coeficiente de determinação encontrado ( R 2 ) . O coeficiente de
determinação seria uma boa medida de ajuste para verificar o impacto da inclusão da variável
X 3i no seguinte modelo: Yi = 1 +  2 X 1i +  3 X 2i + i ? Explique. Qual seria uma boa medida de
ajuste? Por quê?
f) Para a equação da letra “e” considere o período de 1995 a 2009 (período de dados) e suponha o
período de 1997 a 1999 como um período de crise. Escreva a forma funcional de uma equação
linear, que considere o efeito desta crise no intercepto da função e no efeito marginal da variável
X 2 i . Mostre os valores que a variável dummy irá assumir nos períodos de referência.

63) Um pesquisador estimou a quantidade demanda de etanol para o Brasil (em litros), para o
período de janeiro de 2002 a dezembro de 2011, em função do preço do etanol (em R$), do
preço da gasolina (bem substituto, em R$), do Produto Interno Bruto (PIB) brasileiro (em R$) e
da variável DUMMY*PIB, em que a DUMMY é dada por: DUMMY = 1, para o período de
julho de 2008 a dezembro de 2011; e, DUMMY = 0, caso contrário. Ou seja, a DUMMY
representa os reflexos da crise do sub-prime. Equação:

14
 UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO
CENTRO DE CIÊNCIAS JURÍDICAS E ECONÔMICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

LOG (CONS ) =  + 1 LOG ( PRETAN ) +  2 LOG ( PRGASOL ) +  3 LOG ( PIB ) +  4 DUM * LOG ( PIB ) + 

em que:  = log  0 ; e,  o termo do erro.

Variável dependente: LOG(CONSUMOETANOL)

Número de observações: 108

Variáveis Coeficientes Erro-padrão t-calculado P-valor

C 13,69558 2,786331 -4,915276 0,0000

LOG(PRECOETANOL) -0,418186 0,124311 -3,364037 0,0011
LOG(PRECOGASOLINA) 0,524948 0,223856 2,345032 0,0210
LOG(PIB) 1,502203 0,230592 6,514539 0,0000
DUMMY*LOG(PIB) 0,113879 0,072780 1,564667 0,1514

Coeficiente de determinação 0,943080 Média da variável dependente 5,439643

Coeficiente de determinação
ajustado 0,940289 Soma de Quadrado dos Resíduos 0,870877
Fcalculado 337,9987

a) Teste se os coeficientes 1 (efeito marginal de PRETAN),  2 (efeito marginal de PRGASOL),

 3 (efeito marginal do PIB) e  4 (efeito marginal de DUMMY*LOG(PIB)) são conjuntamente
significantes do ponto de vista estatístico. Formular as hipóteses. Considere  = 0,05 e “F”
tabelado igual a 2,45.
b) Teste se os coeficientes 1 (efeito marginal de PRETAN),  2 (efeito marginal de PRGASOL) e
 3 (efeito marginal do PIB) são estatisticamente significativos individualmente. Se necessário,
considere  = 0,05 e “t” tabelado igual a 1,98.
c) Os coeficientes estimados para as variáveis PRECOETANOL, PRECOGACOLINA e PIB estão
de acordo com a teoria econômica. Explique.
d) Qual a elasticidade-preço da demanda por etanol? Interprete-a.
e) Interprete o resultado do coeficiente de determinação ajustado e explique a vantagem de sua
utilização em relação ao coeficiente de determinação.
f) Há evidências de algum tipo de quebra-estrutural no modelo estimado? Justifique sua resposta.
Se necessário, considere  = 0,05 e “t” tabelado igual a 1,98.

64) Suponha que um pesquisador irá estimar uma regressão para o período entre 1970 e 2010, para
o Brasil. A regressão a ser estimada é a seguinte:
PIBt = 1 +  2Ct +  3Gt +  4 I t +  5 X t +  6 M t +  t ; em que PIB = Produto Interno Bruto; C =
consumo; G = gasto do governo; X = exportação; M = importação; e  t = termo de erro
aleatório. Supondo uma possível quebra estrutural no ano de 1999 (mudança de regime cambial
no Brasil), demonstre como o pesquisador poderia realizar um teste de quebra estrutural
individual, para o intercepto e para o efeito marginal da variável exportações, utilizando a
técnica de variáveis dummies (binárias). A demonstração deve ser feita em termos de equação a
ser estimada, representação da variável dummy, hipóteses a serem testadas, estatística de teste e
conclusões.

65) O resultado fundamental da teoria dos Mínimos Quadrados (MQO), em notação matricial, é
dado por: 𝜷̂ = (𝑿′𝑿)−1 𝑿′𝒀. Suponha que você queira estimar o seguinte modelo de regressão:
Yi = 1 +  2 D1i +  3 D2i + ui : em que D1i = 1 , se homem, D1i = 0 , se mulher; e, D2i = 1 , se
15
 UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO
CENTRO DE CIÊNCIAS JURÍDICAS E ECONÔMICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

mulher, e D2i = 0 , se homem. Caso você realmente insista em estimar tal modelo, que tipo de
problema pode aparecer no que se refere às hipóteses do Modelo de Regressão Linear Clássico
(MRLC). Explique. Se necessário, para facilitar a explicação, utilize o número de observações
igual a cinco (n = 5).

𝛽 𝛽
66) Considere o modelo 𝑌𝑖 = 𝛽1 𝑋𝑖22 𝑋𝑖33 𝑒 𝜇𝑖 , em que: 𝑌𝑖 é a variável dependente (produção); 𝑋𝑖2 e
𝑋𝑖3 são fatores de produção, mão-de-obra e trabalho, respectivamente; 𝛽1, 𝛽2 e 𝛽3 são
coeficientes a serem estimados; 𝜇𝑖 , é o erro aleatório; e, 𝑒, é o logaritmo neperiano. Esse
modelo de regressão foi obtido partir da função de produção Cobb-Douglas e, segundo essa
função, a firma possui retornos constantes de escala se  2 +  3 = 1 . Para verificar se realmente
existem retornos constantes de escala, você realizou o teste 𝐹, por meio do método de mínimos
quadrados restritivos, e encontrou um “F” calculado de 1,95 (𝐹𝑐𝑎𝑙 = 1,95). Considerando
 = 0,05 e “F” tabelado igual a 2,45, qual sua conclusão em termos dos retornos de escala da
firma.

67) De acordo com a tabela a seguir, você diria que há algum indício de correlação forte entre duas
das variáveis explicativas (exógenas). Explique. A variável dependente é a EXPORT.
EXPORT PRECO RENDABR RENDACH
EXPORT 1 0,07872 0,55625 0,63863
PRECO 0,07872 1 0,12091 0,23902
RENDABR 0,55625 0,12091 1 0,88725
RENDACH 0,63863 0,23902 0,88720 1

68) Suponha o seguinte modelo: Yi = 1 +  2 X 1i +  3 X 2i +  4 X 3i +  i . Um pesquisador obteve a

matriz de correlação dada a seguir. Há algum indício de multicolinearidade forte e/ou perfeita
entre as variáveis? Se sim, entre quais variáveis. Explique. Isto elimina todas as possíveis
multicolinearidade do modelo: Explique. Agora utilize o fator de inflação da variância (FIV)
para verificar se há multicolinearidade entre os pares de variáveis explicativas.

Yi X 1i X 2i X 3i
Yi 1 0,86 0,95 0,54
X 1i 0,86 1 0,92 0,05
X 2i 0,95 0,92 1 -0,63
X 3i 0,54 0,05 -0,63 1

69) Suponha o modelo matricial 𝒀 = 𝑿𝜷 + 𝜺, com os vetores/matrizes já definidos anteriormente.

Considere que exista endogeneidade no modelo, ou seja, 𝐸(𝜺|𝑿) = 𝜼, com 𝜼 ≠ 𝟎. Suponha,
ainda, que existam 𝐿 variáveis instrumentais, definidas pela matriz 𝒁, que o número de
instrumentos, 𝐿, seja igual ao número de variáveis 𝑋 (𝐾 variáveis 𝑋), e que todos os termos
𝒁′ 𝜺
tenham variância finita. Usando a condição de que 𝑝𝑙𝑖𝑚 ( ) = 𝟎, encontre (derive) o
𝑛
̂ 𝐼𝑉 .
estimador de variáveis instrumentais, 𝜷

70) Em relação aos métodos de variáveis instrumentais (VI), de mínimos quadrados em dois
estágios (MQ2E) e generalizado de momentos (GMM), desenvolva sobre:

16
 UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO
CENTRO DE CIÊNCIAS JURÍDICAS E ECONÔMICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

a) A motivação para o uso de tais métodos. Também faça uma comparação entre cada um deles e o
método de mínimos quadrados ordinários (MQO), inclusive no que tange as propriedades
estatísticas dos estimadores;
b) Estimação;
c) Inferência; e,
d) Aplicações em economia.

71) Um pesquisador estimou a regressão abaixo, para a equação de demanda por um determinado
produto, utilizando o método de mínimos quadrados em dois estágios (MQO2E), por meio da
função “ivreg”, pacote “AER”, do R.
ivreg(formula = log(demanda) ~ log(preço) + log(renda) | log(renda) + log(preço(t-1)) + log(custo_produção))

Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercepto) 9,8950 0,9288 10,654 < 2e-16
log(preço) -1,2774 0,2417 -5,286 1,25e-07
log(renda) 0,2804 0,2458 1,141 0,254

Diagnostic tests:
df1 df2 statistic p-value
Weak instruments 2 44 228,738 <2e-16
Wu-Hausman 1 44 3,823 0,0569
Sargan 1 NA 0,333 0,5641

Multiple R-Squared: 0,4294, Adjusted R-squared: 0,4041

Wald test: 34,51 on 2 DF, p-value: 3,214e-08

Considerando um nível de significância de 10%, responda:

a) Adotando o teste apropriado, qual a conclusão no que se refere às variáveis instrumentais

utilizadas. Elas são fracas?
b) Usando o teste apropriado, qual modelo seria consistente em termos da estimação da equação de
demanda: o método de mínimos quadrados ordinários ou o método de variáveis instrumentais?
c) Utilizando o teste apropriado, você diria que o pesquisador acertou em adotar o MQO2E ao
invés do método de variáveis instrumentais usual? Por quê?

72) Considere o modelo 𝑌𝑖 = 𝛼 + 𝛽𝑋𝑖∗ + 𝜇𝑖 , onde 𝐸(𝜇𝑖 ) = 0. Em vez de usar 𝑋𝑖∗ , você pretende
adotar 𝑋𝑖 = 𝑋𝑖∗ + 𝑤𝑖 , em que 𝑤𝑖 é o erro de medição de 𝑋𝑖∗ , sendo 𝐸(𝑤𝑖2 ) = 𝜎𝑤2 . Assim, 𝑌𝑖 =
𝛼 + 𝛽𝑋𝑖 + 𝑧𝑖 , em que 𝑧𝑖 = 𝜇𝑖 − 𝛽𝑤𝑖 . Suponha que 𝑤𝑖 tenha média zero, que seja serialmente
independente e não esteja correlacionado com 𝜇𝑖 , e que 𝐸(𝑧𝑖 ) = 0. Neste caso, os estimadores
de MQO serão tendenciosos e inconsistentes? Prove por meio da 𝐶𝑂𝑉(𝑧𝑖 , 𝑋𝑖 ).

73) Considere o modelo keynesiano simples de determinação da renda: 𝐶𝑡 = 𝛽0 + 𝛽1 𝑌𝑡 + 𝜇𝑡

(Função consumo) e, 𝑌𝑡 = 𝐶𝑡 + 𝐼𝑡 (Identidade da renda). Em que, 𝐶𝑡 é a despesa com consumo;
𝑌𝑡 , renda; 𝐼𝑡 , investimento; 𝜇𝑡 , termo do erro estocástico, sendo 𝐸(𝜇𝑡 ) = 0, 𝐸(𝜇𝑡2 ) = 𝜎 2 ,
𝐸(𝜇𝑡 𝜇𝑡+𝑗 ) = 0 (para 𝑗 ≠ 0), e 𝑐𝑜𝑣(𝐼𝑡 , 𝜇𝑡 ) = 0. Prove que 𝛽̂1 é um estimador inconsistente de
𝛽1 .

74) Considere o modelo 𝑌𝑖∗ = 𝛼 + 𝛽𝑋𝑖 + 𝜇𝑖 . Em vez de usar 𝑌𝑖∗ , você pretende adotar 𝑌𝑖 = 𝑌𝑖∗ +
𝜀𝑖 , em que 𝜀𝑖 é o erro de medição de 𝑌𝑖∗ . Assim, 𝑌𝑖 = 𝛼 + 𝛽𝑋𝑖 + 𝑣𝑖 , em que 𝑣𝑖 = 𝜇𝑖 + 𝜀𝑖 .

17
 UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO
CENTRO DE CIÊNCIAS JURÍDICAS E ECONÔMICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA

Suponha que 𝐸(𝜇𝑖 ) = 𝐸(𝜀𝑖 ) = 0; 𝐸(𝜇𝑖2 ) = 𝜎𝜇2 ; 𝐸(𝜀𝑖2 ) = 𝜎𝜀2 , 𝐶𝑂𝑉(𝑋𝑖 , 𝑣𝑖 ) = 0; 𝐶𝑂𝑉(𝑋𝑖 , 𝜀𝑖 ) =
0; 𝐶𝑂𝑉(𝜇𝑖 , 𝜀𝑖 ) = 0; e, 𝑋𝑖 é não estocástico. Pede-se:

a) O estimador 𝛽̂ da equação 𝑌𝑖 = 𝛼 + 𝛽𝑋𝑖 + 𝑣𝑖 será tendencioso ou não tendencioso? Prove;

b) Encontre (demonstre) a variância de 𝛽̂ para o modelo 𝑌𝑖 = 𝛼 + 𝛽𝑋𝑖 + 𝑣𝑖 . Agora, compare a
variância encontrada anteriormente, com a variância de 𝛽̂ do modelo 𝑌𝑖∗ = 𝛼 + 𝛽𝑋𝑖 + 𝜇𝑖 . Quais
as implicações para o método de MQO ao estimar 𝑌𝑖 = 𝛼 + 𝛽𝑋𝑖 + 𝑣𝑖 ?

75) Usando a metodologia de Monte Carlo: gerar 1000 valores aleatórios usando a destruição
normal com média zero e variância 1. Calcular a média amostral desses valores. Agora,
replicar o passo anterior 1000 vezes e construir o histograma e a função de densidade para as
médias amostrais encontradas. O que você observa quando à normalidade, no caso da função
de densidade. Utilize, o software estatístico R Project.

76) De maneira livre, busque algumas séries de dados (internet, revistas, etc.) e rode uma regressão
múltipla. Estas variáveis devem ter relação econômica entre si. Depois de rodar a regressão
interprete a mesma (parâmetros, coeficiente de determinação, coeficiente de determinação
ajustado, testes de significância, etc.).

18