Exercício 1 - Considere a tabela abaixo, com dados de Consumo (C) e PIB (P).
Ano Cons P
1977 7011 10128
1978 7280 10630
1979 7837 11349
1980 8649 12400
1981 8077 11853
1982 8319 11929
1983 8244 11516
1984 8599 12104
1985 8960 13114
1986 9566 14109
1987 9104 14618
Fonte: IBGE (Anuário Estatístico do Brasil – 1989)
Admitindo que o consumo depende do PIB, estime a equação de regressão linear dessas
variáveis com o auxílio do programa E-Views e analise os resultados.
Resolução
“O sinal do parâmetro da variável PIB está de acordo com o esperado, pois quando o
PIB cresce, isso significa mais renda, o que está associado a um maior consumo.
Junto a isso, consideramos que sempre que não for pré-estabelecido, o nível de significância
será automaticamente de 5% e, portanto, aplicaremos a fórmula:
Com base nos elementos destacados, encontraremos em sua intersecção o F crítico (Fcrit):
Portanto:
Fcrit = 5,12
FCALC> FCRIT rejeita-se H0 a variável PIB tem efeito significativo sobre a variável consumo
Ou seja, se o f calculado for maior que o f crítico rejeita-se o H0, pois há uma ausência de efeito
(quando há uma ausência de efeito, uma variável não é tão dependente da outra). Quando
informamos que o H1 é diferente de zero, significa que é uma presença do efeito (ou seja, a
variável realmente é dependente).
9º Passo – No teste t nossa base de interpretação será:
H0: 1 = 0
H1: 1> 0 unilateral
Junto a isso, consideramos que sempre que não for pré-estabelecido, o nível de significância
será automaticamente de 5% (prestando atenção que a tabela possui duas linhas interpretativas
de significância e que a do nosso caso é a unilateral), portanto, aplicaremos a fórmula:
Com base nos elementos destacados, encontraremos em sua intersecção o t crítico (tcrit)
Portanto:
tcrit = 1,833
tCALC>tCRIT rejeita-se H0 a variável PIB tem efeito positivo significativo sobre a variável
consumo
10º Passo – Agora é hora do teste de normalidade e para isso voltamos ao E-views. Para
isso clicaremos em View > Residual Diagnostics > Histogram - Normality Test. Feito isso
clicaremos com o botão direito para copiar e colaremos para obter o gráfico pimposo
abaixo:
5
Series: Residuals
Sample 1 11
4 Observations 11
Mean 7.23e-14
3 Median 109.3752
Maximum 296.7153
Minimum -529.4109
2
Std. Dev. 258.4005
Skewness -0.715453
Kurtosis 2.488602
1
Jarque-Bera 1.058301
0 Probability 0.589105
-750 -500 -250 0 250 500
11º Passo – Aqui avaliaremos o Jarque-Bera (JB). Conforme a resposta dada pelo
professor:
“A estatística JB é maior que 1 e, embora a probabilidade associada seja maior que 0,5, o
resultado de JB indica que não é possível aceitar a normalidade dos resíduos. Contudo, esse
teste é feito para grandes amostras, o que não é o caso, pois n = 11. Por isso, não vamos
entender que a não normalidade seja conclusiva.”
Ou seja, o Jarque-Bera tem que ser menor do que 1 (e a probabilidade maior do que 50%) para
que seja possível aceitar a normalidade.
“De modo geral, os resultados são satisfatórios, apesar de a amostra ser pequena. O sinal do
parâmetro da variável PIB está de acordo com o esperado, o R² mostra alto grau de ajuste dos
dados, os testes F e t rejeitam a hipótese nula de ausência de efeito da variável explicativa.”
Exercício 2 – questões conceituais teóricas.
2) Que entidade é responsável pelo cálculo do INPC e do IPCA? Quais são as populações-objetivo
desses índices? Em que pesquisa(s) se baseia(m) esses índices?
A entidade responsável pelos cálculos é o IBGE. Enquanto o INPC é focado em uma população
de 1 a 8 salários mínimos, o IPCA abrange famílias de 1 a 40 salários mínimos.
- Capacidade de previsão
- Simplicidade
Dentre os objetivos da econometria estão a verificação de teorias econômicas (ou seja, por meio
dela é possível comprovar as hipóteses teóricas), a avaliação do sucesso ou insucesso de políticas
econômicas já aplicadas e a previsão de valores futuros de variáveis econômicas.
7) Qual a diferença entre correlação e causação?
Correlação é a ligação entre dois eventos sem que necessariamente haja uma relação entre eles.
Causalidade é quando um dos eventos desencadeia em outro (ou seja, um depende do outro).
2) São estimadores pontuais, isto é, dada a amostra, cada estimador proporciona apenas
um único valor do parâmetro populacional relevante.
3) Uma vez obtidas as estimativas de MQO para os dados amostrais, a linha de regressão
amostral pode ser facilmente obtida. Essa linha de regressão tem as seguintes
propriedades:
Yi 0 1. X i ui
Mostrar que as variáveis explicativas têm influência significativa sobre a variável dependente.
Avaliar cada variável explicativa para ver se ela tem efeito significativo sobre a variável
dependente.