Guia de sobrevivência (plano B, pois o A ainda é o corte de energia)

Conforme o professor indicou, é provável que a prova tenha a seguinte estrutura:

- Exercício completo com E-views *vale 5 pontos (semelhante ao primeiro e ao último
exercício);
- Regressão pronta (para analisar)
- Questão conceitual teórica

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

1º Passo – A primeira coisa a se fazer é identificar, dentre as variáveis “Consumo (C)” e

“PIB (P)”, identificar qual é a variável dependente e qual a independente (no caso,
entendemos que o consumo depende do PIB, portanto C é dependente de P). Por regra
o Y é sempre independente e X é dependente. Uma forma de lembrar é pensar que o
independente é relatYvo e o dependente fiXo, portanto:

Ano Cons (relatYvo) P (fiXo)

2º Passo – Nessa etapa devemos copiar as colunas de X e Y (valores e títulos).

3º Passo – No E-views, clicamos com o botão direito no quadro de baixo e selecionamos
paste e, ao abrir o quadro Text Clipboard Read selecionamos “Concluir”.

4º Passo – Em seguida, no quadro de cima, escrevemos ls cons c pib e apertamos enter,

observando que:
ls = list squared
cons = variável Y (esse nome é relativo ao exercício, é importante que seja o Y da tabela)
c = constante do E-views
pib = variável X (também relativo ao exercício, é importante que seja o X da tabela)
5º Passo – Nessa etapa copiamos esses dados do E-views e colamos no word, conforme
o exemplo abaixo:

Dependent Variable: CONS

Method: Least Squares
Date: 04/13/18 Time: 01:11
Sample: 1 11
Included observations: 11

Variable Coefficient Std. Error t-Statistic Prob.

C 1893.394 774.3364 2.445183 0.0370

PIB 0.529485 0.063325 8.361453 0.0000

R-squared 0.885952 Mean dependent var 8331.455

Adjusted R-squared 0.873280 S.D. dependent var 765.1540
S.E. of regression 272.3781 Akaike info criterion 14.21522
Sum squared resid 667708.2 Schwarz criterion 14.28757
Log likelihood -76.18374 Hannan-Quinn criter. 14.16962
F-statistic 69.91390 Durbin-Watson stat 1.214510
Prob(F-statistic) 0.000016

6º Passo – Novamente no E-views, clicamos em View, em seguida em representations e

copiamos a informação referente à Substituted Coefficients, ou seja:
CONS = 1893.39419379 + 0.529485337334*PIB

7º Passo – Antes de iniciarmos os testes f, t, de normalidade e a estatística Jarque-Bera

(JB) precisamos responder, nesta etapa, a questão de acordo com sua proposta (ou seja,
a questão indica que o consumo depende do PIB e, aqui, nossa função é mensurar se o
PIB analisado é suficiente para prover o consumo). Para formular nossa resposta,
destacamos algumas informações:
CONS = 1893.39419379 + 0.529485337334*PIB

Dependent Variable: CONS

Method: Least Squares
Date: 04/06/18 Time: 10:09
Sample: 1 11
Included observations: 11

Variable Coefficient Std. Error t-Statistic Prob.

C 1893.394 774.3364 2.445183 0.0370

PIB 0.529485 0.063325 8.361453 0.0000

R-squared 0.885952 Mean dependent var 8331.455

Adjusted R-squared 0.873280 S.D. dependent var 765.1540
S.E. of regression 272.3781 Akaike info criterion 14.21522
Sum squared resid 667708.2 Schwarz criterion 14.28757
Log likelihood -76.18374 Hannan-Quinn criter. 14.16962
F-statistic 69.91390 Durbin-Watson stat 1.214510
Prob(F-statistic) 0.000016
Em seguida a resposta dada pelo professor:

“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.

O coeficiente de determinação (R²) indica que 88,6% da variação do consumo é

explicado pela variação do PIB, o que é um alto grau de ajuste dos dados.” (ou seja, o
consumo depende de 88,6% do PIB)

8º Passo – Começando pelo teste F (estatística bilateral), nossa base de interpretação

será:
H0:  1 = 0 (na hipótese zero, se 1 for igual a zero significa que está próximo da realidade)
H1:  1 0 (na hipótese um, se 1 for diferente de zero significa que há possibilidade de
diferente da realidade)

Junto a isso, consideramos que sempre que não for pré-estabelecido, o nível de significância
será automaticamente de 5% e, portanto, aplicaremos a fórmula:

GL: num = k = 1 den = n – k – 1

GL: Graus de Liberdade den = 11 – 1 – 1
den = 9

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:

GL = n – k – 1 GL: Graus de Liberdade

GL = 11 – 1 – 1
GL = 9

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

E agora o que falta? Sim: a última etapa!

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.

1) O termo aleatório ou termo residual representa o quê em uma regressão?

O termo aleatório, também conhecido como “termo de erro ou perturbação”, representa

outros fatores (além do x) que afetam y.

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.

3) O que é um modelo? Um modelo econométrico é composto de quê?

Um modelo é uma representação simplificada e abstrata da realidade (como uma maquete),

feita para compreensão total ou parcial dessa realidade. Um modelo econométrico é composto
de variáveis, relações e equações, parâmetros ou coeficientes e termo aleatório.

4) Quais são as qualidades desejáveis de um modelo econométrico?

Dentre as qualidades desejáveis estão:

- Plausibilidade teórica (compatibilidade com postulados da teoria econômica)

- Capacidade explanatória (capacidade de explicar os dados observados)

- Exatidão das estimativas dos parâmetros

- Capacidade de previsão

- Simplicidade

5) Quais são os propósitos da Econometria?

A econometria tem como propósitos a mensuração de variáveis, o cálculo de parâmetros

estabelecidos pela teoria econômica, a formulação de teste de hipóteses sobre a realidade e a
previsão de valores das variáveis econômicas.

6) Quais são os objetivos da Econometria?

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).

8) Quais são as propriedades do Método dos Mínimos Quadrados Ordinários?

São as propriedades que se sustentam em consequência do uso dos mínimos quadrados

ordinários, quaisquer que sejam as formas pelas quais os dados foram gerados:

1) Os estimadores de MQO são expressos unicamente em termos de quantidades

observáveis (isto é, amostras) como X e Y. Portanto, podem ser calculados com
facilidade.

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:

a) Passa pelas médias amostrais de Y e X.

b) O valor médio de Y estimado é igual ao valor médio do Y observado.

c) O valor médio dos resíduos é igual a zero.

d) Os resíduos não estão correlacionados ao Y previsto.

e) Os resíduos não estão correlacionados ao X.

9) Quais são as premissas do modelo de regressão baseado no MMQO?

Como ele pediu para decorar 3, coloquei somente os 3 primeiros:

Premissa 1: O modelo de regressão é linear nos parâmetros e sua expressão

algébrica é:

Yi   0  1. X i  ui

No qual Y é a variável dependente e X é a variável independente ou explicativa.

Vale observar que nesse modelo, as variáveis Y e X podem ser não lineares.

Premissa 2: Os valores de X são fixos em amostras repetidas, ou seja, X não é

estocástico.

Premissa 3: O valor médio do termo de erro ui é zero.

10) Qual a finalidade do teste F?

Mostrar que as variáveis explicativas têm influência significativa sobre a variável dependente.

11) Qual a finalidade do teste t?

Avaliar cada variável explicativa para ver se ela tem efeito significativo sobre a variável
dependente.