Manual de Solues Econometria Bsica Gujarati

CAPTULO 6
EXTENSES DO MODELO DE REGRESSO LINEAR DE DUAS VARIVEIS

6.1 (a) Verdadeiro. Repare que a frmula MQO padro para estimar o intercepto :

= (mdia do regressando

2 mdia do regressor).

Mas quando X e Y esto em formato de desvio, seus valores so sempre zero. Da o

intercepto estimado tambm ser zero nesse caso.
6.2 (a) & (b) Est includo na primeira equao um termo de intercepto que, por no
ser estatisticamente significativo no nvel de, digamos, 5%, pode ser retirado do
modelo.
(c) Para os dois modelos, o aumento de um ponto percentual na taxa de retorno
mensal do mercado leva a um aumento mdio de cerca de 0,76 ponto percentual na
taxa de retorno mensal das aes ordinrias da Texaco ao longo do perodo estudado.
(d) Conforme tratamos no Captulo 6 do livro-texto, esse modelo representa a linha
caracterstica da teoria do portflio. O modelo relaciona, no caso em tela, o retorno
mensal de aes da Texaco ao retorno mensal do mercado, como representado por um
amplo ndice de mercado.
(e) No, os r2 no so comparveis. O do modelo sem intercepto o r2 bruto.
(f) Como a amostra relativamente grande, podemos usar o teste de normalidade de
Jarque-Bera. A estatstica JB quase a mesma para os dois modelos, isto , 1,12, e o
valor p de se obter tal valor JB de aproximadamente 0,57. Portanto, no se pode
rejeitar a hiptese de que os termos de erro seguem uma distribuio normal.
(g) De acordo com o comentrio de Theil visto no captulo, se o termo do intercepto
estiver ausente do modelo, ento passar a regresso pela origem pode resultar em
estimativa muito melhor do coeficiente angular, como ocorre nesse caso.
6.3 (a) um modelo de regresso linear, pois linear nos parmetros.
(b) Defina Y* = (1/Y) e X* = (1/X) e faa uma regresso MQO de Y* contra X*.
(c) Quando X tende ao infinito, Y tende a (1/ 1).
(d) Pode ser que este modelo seja adequado para explicar o baixo consumo de um
produto, como um bem inferior, quando a renda aumenta.

Manual de Solues Econometria Bsica Gujarati

6.4

SLOPE = 1 - INCLINAO = 1; SLOPE > 1 INCLINAO > 1; SLOPE < 1 INCLINAO

<1

6.5 Para o modelo I, sabemos que

2 =

xi yi

2
i

, em que X e Y esto em formato de

desvio.
De forma semelhante, obtemos para o modelo II:

2 = *2i

x* yi*

xi

( x / S )( y / S
(x / S )
i

(x y ) / S S
x /S
i

i
2
i

x
2
x

S x xi yi
Sy x

2
i

Sx
2 , o que demonstra
Sy

que os coeficientes angulares no so independentes da mudana de escala.

6.6 (a) Podese escrever o primeiro modelo como: ln( w1Yi ) = 1 + 2 ln( w2 X i ) + ui , ou
*

seja,

ln w1 + ln Yi = 1 + 2 ln w2 + 2 ln X i + ui* , aplicando propriedades dos logaritmos. Como

os w so fatores de escala constantes, podemos simplificar esse modelo assim:

ln Yi = (1 + 2 ln w2 ln w1 ) + 2 X i + ui* = A + 2 ln X i + ui* ,

A = (1 + 2 ln w2 ln w1 ) .

em

que

Manual de Solues Econometria Bsica Gujarati

Comparando este com o segundo modelo, constataremos que so iguais, a no ser
pelo intercepto. Dessa forma, os coeficientes angulares estimados tambm sero
iguais, apenas com interceptos estimados diferentes.
(b) O r2 o mesmo para ambos os modelos.
6.7 A Equao (6.6.8) um modelo de taxa de crescimento, ao passo que a (6.6.10)
um modelo de tendncia linear. A primeira fornece a mudana relativa no regressando,
e a segunda, a mudana absoluta. Para fins de comparao, a mudana relativa deve
ser mais significativa.
6.8 A hiptese nula de que o coeficiente angular verdadeiro 0,005. A hiptese
alternativa pode ser uni ou bilateral. Supondo que usemos esta ltima, o coeficiente
angular
estimado

0,00743.
Aplicando
o
teste
t,
obtemos:

t=

0, 00743 0, 005
= 14, 294 , um valor muito significativo. Podemos, portanto, rejeitar
0, 00017

a hiptese nula.
6.9 Pode-se obter assim: 18,5508/3,2514 = 5,7055%, aproximadamente.
6.10 Conforme tratado na Seo 6.7 do texto, o modelo de Engel representado na
Figura 6.6(c) deve ser adequado maioria dos bens. Assim, a escolha deve recair
sobre o segundo modelo dado no exerccio.
6.11 O modelo, como est, no linear nos parmetros. Mas podemos aplicar um
macete para transformlo em linear: tire o logaritmo natural da razo entre Y e (Y
1). Ou seja, faa a seguinte regresso:

ln

Yi
= 1 + 2 X i .
1 Yi

Esse modelo conhecido como logit, e ser discutido no captulo sobre variveis
dependentes qualitativas.

Manual de Solues Econometria Bsica Gujarati

6.12 (a)
(b)

Problemas

6.13

1
100
= 2, 0675 + 16, 2662
100 Yi
Xi
ep = (0,1596)

(1,3232)

r2 = 0,9497

Manual de Solues Econometria Bsica Gujarati

100
se aproxima do valor limite de
100 Y

medida que X cresce indefinidamente,

2,0675, o que significa que Y tende ao valor limite aproximado de 51,6.

6.14 Os resultados da regresso so:

V
log = 0,4526 + 1,3338logW
L
Para

ep = (1,3515)

(0,4470)

melhor

testar

1,3338 1
t=
= 0, 7468 .
0, 4470

r2 = 0,4070.

hiptese

nula,

aplique

teste

como

segue:

Para gl 13, o valor t crtico a 5% (bicaudal) 2,16. No se pode, portanto, rejeitar a

hiptese nula de que a elasticidade de substituio verdadeira entre capital e trabalho
seja 1.
6.15 (a) Se estivermos convictos, a priori, de que havia uma relao um para um
rigorosa entre os dois deflatores, o modelo adequado seria aquele sem o intercepto.
(b) Modelo I:

Yi = 516,0898 + 0,5340 Xi
ep = (40,5631) (0,0217)

Modelo II:

r2 = 0,9789.

Yi = 0,7950
r2 = 0,7161*

ep = (0,0255

* Nota: Este r2 no diretamente comparvel ao anterior.

Como o intercepto estatisticamente significativo no primeiro modelo, ajustar o
segundo resultar em vis de especificao.
(c) Podese usar o modelo duplo-log.
6.16 Seguem os resultados da regresso:

Yi * = 0,9892 X i*
ep = (0,0388)

r2 = 0,9789

A cada incremento de 1 no deflator do PIB para as importaes, h, em mdia, um

incremento de 0,9892 no deflator do PIB para bens produzidos internamente. Repare
que esse resultado comparvel quele do exerccio anterior quando se nota a relao
entre os coeficientes angulares das regresses padronizadas e no-padronizadas.
Conforme a

Manual de Solues Econometria Bsica Gujarati

, em que * indica o coeficiente angular da

regresso padronizada. No problema anterior, encontramos 2 = 0,5340. Sy e Sx so

Equao (6.3.8) do livrotexto,

Sx
Sy

2* = 2

dados como 346 e 641 respectivamente. Assim,

Sx
Sy

641
*
= 0,5340
= 0,9892 = 2 .
346

6.17 Para obter a taxa de crescimento das despesas com bens durveis, podemos
ajustar o modelo log-lin, cujos resultados so os seguintes:
ln DESPDURt = 6,2217 + 0,0154 t
ep = (0,0076) (0,000554)

r2 = 0,9737.

Essa regresso mostra que, ao longo do perodo estudado, a taxa trimestral de

crescimento das despesas com bens durveis foi de aproximadamente 1,5%. Ambos os
coeficientes estimados so individualmente significativos em termos estatsticos, uma
vez que os valores p so extremamente baixos. No seria muito lgico fazer neste caso
uma regresso duplo-log, tal como:
ln DESPDURt = 1 + 2 ln tempo + ut..
Uma vez que o coeficiente angular deste modelo o coeficiente de elasticidade, qual
o significado da afirmao de que um aumento de 1% no tempo leva a um aumento de
2% nas despesas com bens durveis?
6.18 Os resultados correspondentes para o setor de bens no-durveis so:
ln DESPNAODURt = 7,1929 + 0,0062 t
ep = (0,0021) (0,00015)

r2 = 0,9877.

Podese ver por esses resultados que, ao longo do perodo estudado, a taxa trimestral
de crescimento das despesas com bens no-durveis foi de aproximadamente 0,62%.
Comparando os resultados das regresses dos Problemas 6.17 e
despesas com bens durveis aumentaram a uma taxa bem maior
bens no-durveis ao longo do perodo 1993:01 a 1998:03, fato
um dos mais longos perodos de expanso econmica na histria
no nenhuma surpresa.

6.18, parece que as

do que aquelas com
que, tendo em vista
dos Estados Unidos,

6.19 O diagrama de disperso das impresses retidas em relao s despesas com

publicidade o seguinte:

Manual de Solues Econometria Bsica Gujarati

VERTICAL = IMPRESSES
HORIZONTAL = DESPPUB
Embora a relao entre as duas variveis parea ser positiva, no est claro qual curva
se ajustar aos dados. Fornecemos a seguir uma tabela com resultados de regresses
baseadas em alguns modelos.

Modelo

Intercepto

Coef. angular

r2

Linear

22,1627

0,3631

0,4239

(3,1261)

(2,7394)

58,3997

-314,6600

(78,0006)

(-3,5348)

1,2999

0,6135

(3,686)

(5,1530)

3,9955

-10,7495

(21,7816)

(-4,8053)

Recproco

Duplo-log
Log
recproco

0,3967

0,5829

0,5486

Nota: Os nmeros entre parnteses so os valores t estimados. Em todas as

regresses, o regressando impresses e o regressor despesas com publicidade.
Deixamos ao leitor a comparao entre os vrios modelos. Repare que os valores r2
dos dois primeiros so comparveis, pois o regressando o mesmo para ambos. Da
mesma forma, so comparveis os r2 dos dois ltimos modelos. Por qu?