Gabarito da 1 a Lista de Exercícios de Econometria II
|
|
- Norma Meneses Mendes
- 7 Há anos
- Visualizações:
Transcrição
1 Gabarito da 1 a Lista de Exercícios de Econometria II Professor: Rogério Silva Mattos Monitor: Delano H. A. Cortez Questão 1 Considerando que o modelo verdadeiro inicialmente seja o seguinte: C = a + 2Y + b 3 D 1 + b 4 D 2 + b 5 D 3 + ε 1º) Teste de Hipóteses: H 0 : b 4 = b 5 = 0 H 1 : pelo menos 1, b 4 ou b 5, 0 2º) Definição dos modelos: Mod. Irrestrito: C = 15, ,734Y 1,422D 1 0,733D 2 0,576D 3 Mod. Restrito : C = 16, ,715Y 1,513D 1 3º) Com base nas informações do exercício, temos: SQE IR = 197,31 (somatório dos quadrados explicados do modelo irrestrito) SQR IR = 8,97 (somatório dos quadrados dos resíduos do modelo irrestrito) SQE R = 184,27 (somatório dos quadrados explicados do modelo restrito) 4º) Calcular Estatística F: F = (SQE IR SQE R ) / (K IR - K R ) ~ F ( IR R, N K IR ) SQR IR / N K IR F = (197,31 184,27) / (5 3) = 37,07 8,97 / (56 5) 5º) Definir α : α = 5% 6º) Regra de decisão: F < F C Aceita H 0 F C (2, 51) 3,23 F = 37,07 37,07 3,23 Rejeita H 0, ou seja, as variáveis D 2 e D 3 em bloco são significativas para o modelo, com nível de significância de 5%. Questão 2 Questão 3 a) Para verificar se houve mudança no intercepto entre o 1º e o 2º intervalo de períodos, o economista deveria testar a hipótese H 0 : d 2 = 0 contra 1 0. Para tanto, deveria usar um teste t e compará-la com o ponto crítico de t para o modelo. Se t fosse maior que t c, então haveria mudança no intercepto entre os intervalos de períodos. Este procedimento serviria para verificar se a variável dummy pode ser considerada relevante para o modelo, ao nível de significância escolhido. b) Para verificar se houve mudança no coeficiente de X deveria proceder da mesma forma, só que em relação a β 2, isto é, testar H 0 : β 2 = 0 contra H 1 : β 2 0. c) Para verificar uma mudança global no modelo entre o 1º e o 2º período deveri realizar um teste F como o realizado na questão anterior (definir teste de hipóteses, definir modelos restrito e irrestrito, calcular SQE IR, SQR IR, SQE R, calcular estatística F, definir α e aplicar a regra de decisão). Consideremos o modelo irrestrito: β 1 β 2 β 3 β 4 β 5 β 6 I = 1, ,541D + 0,252 Y + 0,157(D Y) 1,751E 1,129(DE) (2,72) (0,71) (7,32) (3,41) (-3,13) (-1,58) Para um N = 20 e considerando α = 5%, temos que: T C (0,025, 14) 2,15 K = 6 T C (0,025, 17) 2,11 K = 3 Com isso, para testar os parâmetros do modelo irrestrito, devemos executar o seguinte teste de hipóteses, baseado na estatística t: H 0 : β j = 0 (j = 1, 2,..., 6) H 1 : β j 0 (j = 1, 2,..., 6) com T C (0,025, 14) 2,15 A) Houve mudança no intercepto do modelo com o plano de desenvolvimento? Submetendo β 2 ao teste t, verificamos: T C T de β 2 T C Aceita H 0 T de β 2 < Τ C ou T de β 2 > Τ C Rejeita H 0 T de β 2 = 0,71 T C = ± 2,15 Como 0,71 < 2,15, aceitamos a hipótese nula, ou seja, β 2 = 0. Dessa forma, podemos afirmar que, ao nível de 5% de significância, não houve mudança no intercepto do modelo com o plano de desenvolvimento. B) Houve mudança nos coeficientes da renda e da taxa de câmbio? Submetendo β 4 ao teste t, verificamos: T C T de β 4 T C Aceita H 0 T d β 4 < Τ C ou T de β 4 > Τ C Rejeita H 0 T de β 4 = 3,41
2 T C = ± 2,15 Como 3,41 > 2,15, rejeita-se a hipótese nula, ou seja, β 4 0. Dessa forma, podemos afirmar que, ao nível de significância de 5%, houve mudança no coeficiente da renda com o plano de desenvolvimento. Submetendo β 6 ao teste t, verificamos: T C T de β 6 T C Aceita H 0 T de β 6 < Τ C ou T de β 6 > Τ C Rejeita H 0 T de β 6 = -1,58 T C = ± 2,15 Como -2,15 < -1,58 < 2,15, aceita-se a hipótese nula, ou seja, β 6 = 0. Dessa forma, podemos afirmar que, ao nível de 5% de significância, não houve mudança no coeficiente da taxa de câmbio efetiva. C) Houve mudança no modelo como um todo? Teste F para bloco de variáveis: 1º) H 0 : β 2 = β 4 = β 6 = 0 H 1: β 2 ou β 4 ou β 6 0 2º) Mod. Irrest.: I = 1, ,541D + 0,252 Y + 0,157(D Y) 1,751E 1,129(DE) Mod. Rest.: I = 1, ,341 Y 2,153E 3º) SQE IR = 17,30 SQR IR = 5,4 SQE R = 14,77 4º) F = (17,30 14,77) / (6 3) = 2,18 5,42 / (20 6) 5º) α = 5% 6º) F < F C Aceita H 0 F C (3, 14) 3,34 F = 2,18 2,18 3,34 Aceita H 0 (????) D) Qual a sensibilidade da demanda por importações a mudanças no crescimento da renda em cada período? E com relação à taxa de câmbio? Sensibilidade da demanda por Importação com relação à Renda: No 1º período (71 a 81) = 0,252 Questão 4 No 2º período (82 a 90) = 0, ,157 = 0,4090 Com relação à taxa de Câmbio Efetiva: No 1º período (71 a 81) = -1,751 No 2º período (82 a 90) = -1,751 Não houve mudança com relação à taxa de câmbio porque o coeficiente da variável dummy associada a esta taxa foi considerado insignificante (H 0 : β 6 = 0 não foi rejeitada). Dessa forma, podemos considerar que não houve variação em E de um período para o outro. Consideremos o modelo irrestrito: β 1 β 2 β 3 β 4 β 5 β 6 β 7 Π t = 0, ,451 Μ t + 0,322 M t ,123 PIB t + 0,727D pc + 0,353D pb + 0,653D cl (6,15) (4,30) (3,154) (6,12) (5,43) (5,13) (3,92) Para um N = 48 temos que: T C (0,025, 41) 2,02 K = 7 T C (0,025, 44) 2,02 K = 4 Com isso, para testar os parâmetros do modelo irrestrito, devemos executar o seguinte teste de hipóteses, baseado na estatística t: H 0 : β j = 0 (j = 1, 2,..., 7) H 1 : β j 0 (j = 1, 2,..., 7) com T C (0,025, 41) 2,02 i) 1º) H 0 : β 5 = 0 Η 1: β 5 0 2º) T C T de β 5 T C Aceita H 0 T de β 5 < Τ C ou T de β 5 > Τ C Rejeita H 0 Como 5,43 > 2,02, rejeita-se a hipótese nula, ou seja, β 5 0. Dessa forma, podemos afirmar que, ao nível de significância de 5%, o Plano Cruzado foi significativo na redução da taxa de inflação. ii) 1º) H 0 : β 6 = 0 Η 1: β 6 0
3 2º) T C T de β 6 T C Aceita H 0 T de β 6 < Τ C ou T de β 6 > Τ C Rejeita H 0 Como 5,13 > 2,02, rejeita-se a hipótese nula, ou seja, β 6 0. Dessa forma, podemos afirmar que, ao nível de significância de 5%, o Plano Bresser foi significativo na redução da taxa de inflação. iii) 1º) H 0 : β 7 = 0 Η 1: β 7 0 2º) T C T de β 7 T C Aceita H 0 T de β 7 < Τ C ou T de β 7 > Τ C Rejeita H 0 Como 3,92 > 2,02, rejeita-se a hipótese nula, ou seja, β 7 0. Dessa forma, podemos afirmar que, ao nível de significância de 5%, o Plano Collor foi significativo na redução da taxa de inflação. iv) Questão 5 1º) H 0 : β 5 = β 6 = β 7 = 0 H 1: β 5 ou β 6 ou β 7 0 2º) Mod. Irrest.: Π t = 0, ,451 Μ t + 0,322 M t ,123 PIB t + 0,727D pc + 0,353D pb + 0,653D cl Mod. Rest.: Π t = 1, ,713 Μ t + 0,521 M t ,154 PIB t 3º) SQE IR = 0,392 SQR IR = 0,170 SQE R = 0,354 4º) F = (0,392 0,354) / (7 4) = 3,05 0,17 / (48 7) 5º) α = 5% 6º) F < F C Aceita H 0 F C (3, 41) 2,84 F = -2,01 3,05 > 2,84 Rejeita-se H 0, ou seja, o lançamento de um plano de estabilização é, em geral, um meio eficaz de se combater a inflação no curto prazo, considerando u teste a 5% de significância. 1º) Verificar magnitude e sinais dos coeficientes Os sinais do modelo encontram-se coerentes com o que nos indica a teoria econô ica, pois um aumento no preço médio deve reduzir a venda de veículos (logo, sinal negativo) e um aumento na renda pessoal disponível deve aumentar a venda de veículos (logo, sinal positivo). Além disso, a magnitude da variação das vendas decorrente do aumento da renda também é condizente com o esperado, visto situar-se entre 0 e 1 (propensão marginal a consumir). 2º) Verificar D.W. D.W. testa a existência de ACS1. No modelo, N = 44 e K = 2. Então: d l = 1,198 d u = 1,398 Teste de Hipótese: H 0 : ACS1 = 0 H 1 : ACS1 0 ACS1 (+) ACS1 (-) Rejeita H 0? Aceita H 0? Rejeita H 0 0 1,198 1, ,602 2,802 4 Como D.W. do modelo é 1,92, então se aceita a hipótese nula de que não há autocorrelação serial de 1º ordem. Logo, as estatísticas t e F obtidas no modelo podem ser utilizadas para a análise. 3º) Análise das estatísticas t (considerando α = 5%) Para o modelo sob análise, T C (2,5%, 41) = 2,02. Comparando as estatísticas t do modelo com o T C podemos afirmar que todos os coeficientes são significativos ao nível de confiança determinado. 4º) Grau de ajustamento Os graus de ajustamento R 2 2 e R apresentam-se muito bons, sendo de 0,821 e 0,814, respectivamente, o que demonstra a consistência e a robustez do modelo. 5º) Estatística F A estatística F nos indica que estes valores são consistentes ao nível de significância utilizado, pois F C (2, 41) = 3,23 e F do modelo = 17,11. Testando: H 0 : R 2 = 0 H 1 : R 2 > 0 Como F > F C, então se rejeita a hipótese de que o grau de ajustamento do modelo seja igual a zero. Questão 6
4 Primeiramente, devemos perceber que os sinais e magnitudes dos coeficientes continuam coerentes com a teoria econômica. Depois, devemos verificar se houve alteração quanto à existência ou não de ACS1. Com a inserção da nova variável, temos que K passa de 2 para 3. De acordo com a tabela D.W., para a combinação N = 44 e K = 3 temos d l = 1,148 e d u = 1,457. Como a D.W. do modelo variou para 1,935, temos que ainda situa-se na zona de aceitação da hipótese nula, ou seja, não há autocorrelação serial de 1 a ordem e podemos confiar nas estatísticas t e F obtidas. Podemos garantir que a nova variável melhorou a capacidade explicativa do modelo, pois aplicando o teste t temos: (α = 5%) H 0 : β j = 0 (j = 1, 2,..., 4) H 1 : β j 0 (j = 1, 2,..., 4) com C T(0,025, 41) 2,02 T C T de β j T C Aceita H 0 T de β j < Τ C ou T de β j > Τ C Rejeita H 0 Como todas as estatísticas t do modelo são positivas e maiores que 2,02, podemos afirmar que se apresentam significativas na explicação do modelo. Além disso, o R 2 2 e o R apresentaram aumento em seus valores, demonstrando a melhora do ajustamento do modelo. Construindo um teste F, temos: Teste de Hipóteses: H 0 : β 4 = 0 H 1 : β 4 0 SQE IR = 382,24 SQR IR = 36,88 SQE R = 344,10 H 0 : ACS1 = 0 H 1 : ACS1 0 ACS1 (+) ACS1 (-) Rejeita H 0? Aceita H 0? Rejeita H 0 0 d l d u 2 4 d u 4 - d l 4 Verifica-se para o modelo estimado quais seriam os pontos de significância de d l e d u, através do número de observações e de regressores. Nesta questão, temos N = 25 e K = 2. Então d l = 1,206 e d u = 1,550. Como o DW encontrado pelo economista para o modelo foi 0,52, podemos afirmar que há ACS1 positiva. Em modelos onde é verificada a existência desse problema, existe a subestimação da variância dos parâmetros (com conseqüente aumento no valor da estatística t) e superestimação do R 2 2 e do R. Por isso, com a existência de ACS1, não se pode mais utilizar os testes t e F no modelo. Para correção do problema, o economista deveria multiplicar ρ (um índice de autocorrelação) em ambos os lados do modelo e aplicar sobre a nova equação os MQO. Questão 9 Podemos afirmar que o model piorou, visto que com o acréscimo da variável PIB 2 houve uma diminuição do R. Apesar do R 2 ter aumentado, isto não significa necessariamente que o modelo melhorou, pois o R 2 sempre aumenta com o acréscimo de 2 novas variáveis, mesmo que irrelevantes. Já o R verifica se o acréscimo da nova variável fo realmente interessante para o modelo. Como neste caso ele diminuiu, concluímos que este acréscimo não aumentou o nível de explicação do modelo. Questão 10 F = (382,24 344,1) / (4 3) = 41,37 36,88 / (44 4) Regra de decisão: F < F C Aceita H 0 F C (1, 40) 4,08 F = 41,37 41,37 4,08 Rejeita H 0, ou seja, a variável taxa de juros real para crédito ao consumidor é significativa para o modelo, com nível de significância de 5%. Questão 7 Questão 8 A estatística DW nos indica a existência ou não de autocorrelação serial de 1 a ordem. Sua utilização deve ser feita através da seguinte análise: β 1 β 2 β 3 β 4 β 5 β 6 VC t = 5,47 1,23D t 11,12PC t 2,12D t PC t 17,2T t 1,32D t T t (3,12) (-2,57) (-3,74) (-3,11) (-7,75) (-2,16) Para um N = 60 e α = 5%, temos que: T C (0,025, 54) 2,02 K = 6 T C (0,025, 57) 2,02 K = 3 Com isso, para testar os parâmetros do modelo irrestrito, devemos executar o seguinte teste de hipóteses: H 0 : βj = 0 (j = 1, 2,..., 6) H 1 : β j 0 (j = 1, 2,..., 6) com C T(0,025, 54) 2,02 A) Houve mudança no intercepto do modelo? Submetendo β 2 ao teste t, verificamos: T C T de β 2 T C Aceita H 0 T de β 2 < Τ C ou T de β 2 > Τ C Rejeita H 0
5 T de β 2 = -2,57 T C = ± 2,02 Como 2,57 < -2,02, rejeita-se a hipótese nula, ou seja, β 2 0. Dessa forma, podemos afirmar que, ao nível de significância de 5%, houve mudança no intercepto do modelo, sendo esta mudança uma aproximação da origem (de 5,47 para 4,24). B) Houve mudança no coeficiente do preço? Submetendo β 4 ao teste t, verificamos: T C T de β 4 T C Aceita H 0 T de β 4 < Τ C ou T de β 4 > Τ C Rejeita H 0 T de β 4 = -3,11 T C = ± 2,02 Como -3,11 < -2,02, rejeita-se a hipótese nula, ou seja, β 4 0. Dessa forma, podemos afirmar que, ao nível de significância de 5%, houve mudança no coeficiente do preço com o lançamento da nova marca. Uma variação positiva de uma unidade monetária nos preços das marcas antigas, após o lançamento da nova cerveja, faz com que as vendas das cervejas antigas variem negativamente em 13,24 milhões, contra uma variação de -15,34 milhões antes do lançamento. C) Houve mudança no coeficiente da temperatura? Submetendo β 6 ao teste t, verificamos: T C T de β 6 T C Aceita H 0 T de β 6 < Τ C ou T de β 6 > Τ C Rejeita H 0 T de β 6 = -3,11 T C = ± 2,02 Como -7,75 < -2,02, rejeita-se a hipótese nula, ou seja, β 6 0. Dessa forma, podemos afirmar que, ao nível de significância de 5%, houve mudança no coeficiente da temperatura com o lançamento da nova marca. Uma variação positiva de uma unidade na temperatura, após o lançamento da nova cerveja, faz com que as vendas das cervejas antigas varie positivamente em 15,88 milhões, contra uma variação de 20 milhões antes do lançamento. D) Houve mudança global no modelo? Teste F para bloco de variáveis: 1º) H 0 : β 2 = β 4 = β 6 = 0 H 1: β 2 ou β 4 ou β 6 0 2º) Mod. Irrest.: VC t = 5,47 1,23D t 11,12PC t 2,12D t PC t + 17,2T t 1,32D t T t Mod. Rest.: VC t = 5,32 15,34PC t + 20T t 3º) SQE IR = 19,25 SQR IR = 1,02 SQE R = 17,12 4º) F = (19,25 17,12) / (6 3) = 37,59 1,02 / (60 6) 5º) α = 5% 6º) F < F C Aceita H 0 F C (3, 54) 2,84 F = 37,54 37,54 2,84 Rejeita H 0, ou seja, as variáveis β 2, β 4 e β 6 em bloco são significativas para o modelo, com nível de significância de 5%. Questão 11 1º) Verificar magnitude e sinais dos coeficientes Os sinais do modelo encontram-se coerentes com o que nos indica a teoria econômica, pois um aumento na tarifa deve reduzir o consumo de energia (logo, sinal negativo) e um aumento no PIB deve aumentar o consumo de energia (logo, sinal positivo). 2º) Verificar D.W. D.W. testa a existência de ACS1. No modelo, N = 44 e K = 2. Então: d l = 1,198 d u = 1,398 Teste de Hipótese: H 0 : ACS1 = 0 H 1 : ACS1 0 ACS1 (+) ACS1 (-) Rejeita H 0? Aceita H 0? Rejeita H 0 0 1,198 1, ,602 2,802 4 Como D.W. do modelo é 1,79, então se aceita a hipótese nula de que não há autocorrelação serial de 1º ordem. Logo, as estatísticas t e F obtidas no modelo podem ser utilizadas para a análise. 3º) Análise das estatísticas t (considerando α = 5%) Para o modelo sob análise, T C (2,5%, 41) = 2,02. Comparando as estatísticas t do modelo com o T C podemos afirmar que todos os coeficientes são significativos ao nível de confiança determinado. 4º) Grau de ajustamento
6 Os graus de ajustamento R 2 2 e R apresentam-se muito bons, sendo de 0,76 e 0,75, respectivamente, o que demonstra a consistência e a robustez do modelo. 5º) Estatística F A estatística F nos indica que estes valores são consistentes ao nível de significância utilizado, pois F C (2, 41) = 3,23 e F do modelo = 26,3. Testando: H 0 : R 2 = 0 H 1 : R 2 > 0 Como F > F C, então se rejeita a hipótese de que o grau de ajustamento do modelo seja igual a zero.
FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE FEA/USP. Lista 7 - Econometria I
FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE FEA/USP São Paulo - Nov/2017 Lista 7 - Econometria I Professora: Paula Pereda EAE0324 Monitores: Bernardo Ostrovski e Igor Barreto ALUNO: ATENÇÃO: A
Leia mais2 Estimação de uma Curva de Demanda Agregada para o Brasil
2 Estimação de uma Curva de Demanda Agregada para o Brasil Neste capítulo, identificamos e estimamos uma equação de demanda agregada com dados brasileiros. Nos próximos capítulos, utilizamos esta relação
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 10 Multicolinearidade: o que acontece se os regressores são correlacionados? Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro.
Leia maisMODELOS DE REGRESSÃO E DECOMPOSIÇÃO PARA DESCREVER O CONSUMO RESIDENCIAL DE ENERGIA ELÉTRICA NO BRASIL ENTRE 1985 E 2013
MODELOS DE REGRESSÃO E DECOMPOSIÇÃO PARA DESCREVER O CONSUMO RESIDENCIAL DE ENERGIA ELÉTRICA NO BRASIL ENTRE 1985 E 2013 Maria José CharfuelanVillarreal Universidade Federal do ABC OBJETIVO Identificar
Leia maisAULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2
AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 Susan Schommer Econometria I - IE/UFRJ Testes de hipóteses sobre combinação linear dos parâmetros Na aula passada testamos hipóteses sobre
Leia maisEsse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Leia maisEconometria - Lista 6
Econometria - Lista 6 Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 A curva de Phillips desempenha um papel fundamental na
Leia maisREGRESSÃO LINEAR Parte I. Flávia F. Feitosa
REGRESSÃO LINEAR Parte I Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Julho de 2015 Onde Estamos Para onde vamos Inferência Esta5s6ca se resumindo a uma equação
Leia maisMétodos de Previsão Problem Set 2
Métodos de Previsão Problem Set 2 Exercício 1: Indique a Expressão do coeficiente de determinação corrigido ou ajustado R 2 e explique a importância do seu cálculo, comparando-o com o R 2. O R 2 representa
Leia maisAULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2
AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 Susan Schommer Econometria I - IE/UFRJ Testes de hipóteses sobre combinação linear dos parâmetros Na aula passada testamos hipóteses sobre
Leia maisEPGE / FGV MFEE - ECONOMETRIA. Monitoria 01-18/04/2008 (GABARITO)
EGE / FGV MFEE - ECONOMETRIA Monitoria 01-18/04/008 (GABARITO) Eduardo. Ribeiro eduardopr@fgv.br ofessor Ilton G. Soares iltonsoares@fgvmail.br Monitor Tópicos de Teoria: 1. Hipóteses do Modelo Clássico
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 8 Análise de Regressão Múltipla: o Problema da Inferência Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus,
Leia maisAnálise da Regressão múltipla: Inferência. Aula 4 6 de maio de 2013
Análise da Regressão múltipla: Inferência Revisão da graduação Aula 4 6 de maio de 2013 Hipóteses do modelo linear clássico (MLC) Sabemos que, dadas as hipóteses de Gauss- Markov, MQO é BLUE. Para realizarmos
Leia maisQuiz Econometria I versão 1
Obs: muitos itens foram retirados da ANPEC. Quiz Econometria I versão 1 V ou F? QUESTÃO 1 É dada a seguinte função de produção para determinada indústria: ln(y i )=β 0 + β 1 ln( L i )+β 2 ln( K i )+u i,
Leia maisAULA 26 Análise de Regressão Múltipla: Problemas Adicionais
1 AULA 26 Análise de Regressão Múltipla: Problemas Adicionais Ernesto F. L. Amaral 10 de novembro de 2011 Metodologia de Pesquisa (DCP 854B) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia maisFATORES EXPLICATIVOS DO SALDO DA BALANÇA COMERCIAL DO BRASIL 1990 A 1997
Economia e Desenvolvimento, nº 11, março/2000 Artigo Acadêmico FATORES EXPLICATIVOS DO SALDO DA BALANÇA COMERCIAL DO BRASIL 1990 A 1997 Zenir Adornes da Silva * Resumo: Neste artigo, analisa-se a influência
Leia maisAULA 19 E 20 Análise de Regressão Múltipla: Problemas Adicionais
1 AULA 19 E 20 Análise de Regressão Múltipla: Problemas Adicionais Ernesto F. L. Amaral 19 e 24 de maio de 2011 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria:
Leia maisDeterminantes macroeconômicos da taxa Selic: um estudo econométrico no período de 1994 a 2014.
Determinantes macroeconômicos da taxa Selic: um estudo econométrico no período de 1994 a 2014. Maria Eugênia de Oliveira Batista 1 Gabriel Rodrigo Gomes Pessanha 2 1. Introdução O Brasil possui como taxa
Leia maisANÁLISE DE REGRESSÃO
ANÁLISE DE REGRESSÃO Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 09 de janeiro de 2017 Introdução A análise de regressão consiste na obtenção de uma equação
Leia mais5 Metodologia e Resultados 5.1. Metodologia
5 Metodologia e Resultados 5.1. Metodologia Realizamos estimações utilizando o modelo de efeitos fixos para dados em painel. A escolha do modelo econométrico a seguirmos decorre das hipóteses que desejarmos
Leia maisTeste F-parcial 1 / 16
Teste F-parcial A hipótese nula, H 0, define o modelo restrito. Ingredientes SQR r : soma de quadrado dos resíduos sob H 0. R 2 r: coeficiente de determinação sob H 0. g: número de restrições a serem testadas
Leia maisTeste F-parcial 1 / 16
Teste F-parcial Ingredientes A hipótese nula, H 0, define o modelo restrito. A hipótese alternativa, H a : H 0 é falsa, define o modelo irrestrito. SQR r : soma de quadrado dos resíduos associada à estimação
Leia maisXI Encontro de Iniciação à Docência
4CCSADEMT03 O MODELO IS LM: UMA ABORDAGEM PARA A ECONOMIA BRASILEIRA NO PERÍODO DE 1995 2007 Tatyanna Nadábia de Souza Lima (1), Marcilia Nobre Gadelha (2), Sinézio Fernandes Maia (3) Centro de Ciências
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Regressão sem intercepto; Formas alternativas do modelo de regressão Regressão sem
Leia maisProva de Estatística
Prova de Estatística 1. Para um número-índice ser considerado um índice ideal, ele precisa atender duas propriedades: reversão no tempo e o critério da decomposição das causas. Desta forma, é correto afirmar
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisPrincípios em Planejamento e Análise de Dados Ecológicos. Regressão linear. Camila de Toledo Castanho
Princípios em Planejamento e Análise de Dados Ecológicos Regressão linear Camila de Toledo Castanho 217 Conteúdo da aula 1. Regressão linear simples: quando usar 2. A reta de regressão linear 3. Teste
Leia maisEconometria Lista 1 Regressão Linear Simples
Econometria Lista 1 Regressão Linear Simples Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 (2.9 do Wooldridge 4ed - Modificado)
Leia maisRESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO
RESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO Regressão simples: desvantagem de apenas uma variável independente explicando y mantendo ceteris paribus as demais (ou
Leia maisAULA 1 - Modelos determinísticos vs Probabiĺısticos
AULA 1 - Modelos determinísticos vs Probabiĺısticos Susan Schommer Econometria I - IE/UFRJ O que é Econometria? Aplicação de métodos estatísticos e matemáticos para analisar os dados econômicos, com o
Leia maisAnálise de Regressão Múltipla: Mínimos Quadrados Ordinários
1 Análise de Regressão Múltipla: Mínimos Quadrados Ordinários Ernesto F. L. Amaral Magna M. Inácio 26 de agosto de 2010 Tópicos Especiais em Teoria e Análise Política: Problema de Desenho e Análise Empírica
Leia maisExercícios Selecionados de Econometria para Concursos Públicos
1 Exercícios Selecionados de Econometria para Concursos Públicos 1. Regressão Linear Simples... 2 2. Séries Temporais... 17 GABARITO... 20 2 1. Regressão Linear Simples 01 - (ESAF/Auditor Fiscal da Previdência
Leia maisHomocedasticidade? Exemplo: consumo vs peso de automóveis
REGRESSÃO Análise de resíduos Homocedasticidade? Exemplo: consumo vs peso de automóveis 60 50 Consumo (mpg) 40 30 0 10 0 1500 000 500 3000 3500 4000 4500 Peso 0 Diagrama de resíduos 15 10 Resíduos 5 0-5
Leia maisGabarito Trabalho 1. onde 1 refere-se ao salário quando a variável branco = 1. Teremos, então:
Professor: Eduardo Pontual Monitor: Tiago Souza Econometria MFEE Gabarito Trabalho 1 Exercício 1 Queremos estimar a diferença salarial entre trabalhadores brancos e não brancos. Assim, calcularemos a diferença
Leia maisEstatística - Análise de Regressão Linear Simples. Professor José Alberto - (11) sosestatistica.com.br
Estatística - Análise de Regressão Linear Simples Professor José Alberto - (11 9.7525-3343 sosestatistica.com.br 1 Estatística - Análise de Regressão Linear Simples 1 MODELO DE REGRESSÃO LINEAR SIMPLES
Leia maisCaros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
Leia maisLES0773 Estatística Aplicada III
LES0773 Estatística Aplicada III Prof. Luciano Rodrigues Aula 6 Departamento de Economia, Administração e Sociologia Escola Superior de Agricultura Luiz de Queiroz-ESAQ Universidade de São Paulo-USP lurodrig2209@gmail.com
Leia maisEconometria. Regressão Linear Simples Lista de Exercícios
Econometria Regressão Linear Simples Lista de Exercícios 1. Formas funcionais e coeficiente de explicação Um corretor de imóveis quer compreender a relação existente entre o preço de um imóvel e o tamanho,
Leia maisAULA 07 Análise de Regressão Múltipla: Problemas Adicionais
1 AULA 07 Análise de Regressão Múltipla: Problemas Adicionais Ernesto F. L. Amaral 24 de julho de 2012 Análise de Regressão Linear (MQ 2012) www.ernestoamaral.com/mq12reg.html Fonte: Wooldridge, Jeffrey
Leia maisResultados. 4.1 Resultado da análise buy and hold
36 4 Resultados 4.1 Resultado da análise buy and hold Os resultados obtidos com a análise buy and hold estão em linha com os observados em estudos efetuados no mercado norte-americano, como Ritter (1991)
Leia maisUNIVERSIDADE FEDERAL DE JUIZ DE FORA FACULDADE DE ECONOMIA ÍNDICE IBOVESPA: UMA ANÁLISE ECONOMÉTRICA. Leonardo Maia Coelho. Lucas Cavalcanti Rodrigues
UNIVERSIDADE FEDERAL DE JUIZ DE FORA FACULDADE DE ECONOMIA ÍNDICE IBOVESPA: UMA ANÁLISE ECONOMÉTRICA Leonardo Maia Coelho Lucas Cavalcanti Rodrigues Marina Oliveira Belarmino de Almeida Priscila Medeiros
Leia maisResolução da Prova de Matemática Financeira e Estatística do ISS Teresina, aplicada em 28/08/2016.
de Matemática Financeira e Estatística do ISS Teresina, aplicada em 8/08/016. 11 - (ISS Teresina 016 / FCC) Joana aplicou todo seu capital, durante 6 meses, em bancos ( e Y). No Banco, ela aplicou 37,5%
Leia maisRegressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei
Regressão PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei Regressão Introdução Analisar a relação entre duas variáveis (x,y) através da equação (equação de regressão) e do gráfico
Leia maisSoluções da Colectânea de Exercícios
Soluções da Colectânea de Exercícios (Edição de Fevereiro de 2003) Capítulo 1 1.1 d) x = 3.167; s = 0.886 (dados não agrupados) e) mediana = x = 3.25; q 1 = 2.4 ; q 3 = 3.9 1.2 a) x = 2.866 ; x = 3; moda
Leia maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Leia maisAGOSTO 2017 INTERPRETAÇÃO DE RESULTADOS ESTATÍSTICOS EM MODELOS DE REGRESSÃO MÚLTIPLA
Sérgio Antão Paiva AGOSTO 2017 INTERPRETAÇÃO DE RESULTADOS ESTATÍSTICOS EM MODELOS DE REGRESSÃO MÚLTIPLA ENFOQUE DA COMPARAÇÃO Princípio da semelhança: numa mesma data, dois bens semelhantes, em mercados
Leia maisAnálise de Regressão Linear Múltipla IX
Análise de egressão Linear Múltipla I Aula Gujarati e Porter - Capítulo 8 Wooldridge - Capítulo 5 Heij et al., 004 Seção 4..4 Introdução Ao longo dos próximos slides nós discutiremos uma alternativa para
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Introdução A análise de variância (Anova) é utilizada para comparar médias de três ou mais populações.
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Para que serve a inferência estatística? Método dos Momentos Maximum Likehood Estimator (MLE) Teste de hipótese: definições Aula de hoje Teste
Leia maisa) 19% b) 20% c) Aproximadamente 13% d) 14% e) Qualquer número menor que 20%
0. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
Leia mais4 Modelos de Regressão Dinâmica
4 Modelos de Regressão Dinâmica Nos modelos de regressão linear (Johnston e Dinardo, 1998) estudados comumente na literatura, supõe-se que os erros gerados pelo modelo possuem algumas características como:
Leia maisAULAS 14 E 15 Modelo de regressão simples
1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 18 e 23 de outubro de 2012 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
Leia maisConceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa
2011 O 1. Formular duas hipóteses sobre um valor que é desconhecido na população. 2. Fixar um nível de significância 3. Escolher a Estatística do Teste 4. Calcular o p-valor 5. Tomar a decisão mediante
Leia maisDelineamento em Quadrado Latino (DQL)
Delineamento em Quadrado Latino () Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 14 de março de 2019 Londrina Na Seção anterior introduziu-se o delineamento em blocos ao acaso como um delineamento
Leia maisUNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA
1 UNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA Professor: Ernesto Friedrich de Lima Amaral Disciplina: Avaliação
Leia maisREGRESSÃO MÚLTIPLA. constantes predeterminadas, sem erro;
REGRESSÃO MÚLTIPLA Um método utilizado para determinar qual a relação entre a variável que se pretende explicar e as variáveis que se pretendem ser explicativas. Descreve uma relação entre um conjunto
Leia maisANOVA FACTORIAL EXEMPLO 1. ANOVA TWO-WAY COM O SPSS. a capacidade de reconhecimento do odor materno
ANOVA FACTORIAL Quando a variável dependente é influenciada por mais do que uma variável independente (Factor) estamos interessados em estudar o efeito não só de cada um dos factores mas e também a possível
Leia maisDE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)
1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
Leia maisAULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1
AULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1 Susan Schommer Econometria I - IE/UFRJ Distribuições amostrais dos estimadores MQO Nas aulas passadas derivamos o valor esperado e variância
Leia maisNotas de Aulas Econometria I ** Eduardo P. Ribeiro, 2010 PARTE II
Notas de Aulas Econometria I ** Eduardo P Ribeiro, 00 PARTE II Autocorrelação Autocorrelação: violação da hipótese: E [ε t ε t-s ] = 0, para s > 0, como por exemplo, ε t = ε t- + υ t, onde υ t é ruído
Leia maisEstatística II Licenciatura em Gestão TESTE I
Estatística II Licenciatura em Gestão 1 o semestre 2015/2016 14/01/2016 09:00 Nome N o Espaço reservado a classificações A utilização do telemóvel, em qualquer circunstância, é motivo suficiente para a
Leia maisEVOLUÇÃO DA DÍVIDA PÚBLICA MOBILIÁRIA FEDERAL INTERNA NO BRASIL DE 1995 A 2002
EVOLUÇÃO DA DÍVIDA PÚBLICA MOBILIÁRIA FEDERAL INTERNA NO BRASIL DE 1995 A 2002 Vanessa Lucas Gonçalves 1 Sérgio Luiz Túlio 2 RESUMO Este artigo tem por objetivo analisar a evolução da Dívida Pública Mobiliária
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 9 Modelos de Regressão com Variáveis Binárias Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus, 2006 Variáveis
Leia maisEconometria II. Notas de bolso! Propriedades da E(.), Var(.) e Cov(.) Temos que (a,b) são constantes e (X,Y) são variáveis aleatórias.
Eco 2 monitoria Leandro Anazawa Econometria II Notas de bolso! Propriedades da E(.), Var(.) e Cov(.) Temos que (a,b) são constantes e (X,Y) são variáveis aleatórias. E(a) = a E(aX) = ae(x) E(a + bx) =
Leia maisSEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB
Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisProva de Estatística
UNIVERSIDADE FEDERAL DO PARÁ CURSO DE MESTRADO EM ECONOMIA PROCESSO SELETIVO 2010 Prova de Estatística INSTRUÇÕES PARA A PROVA Leia atentamente as questões. A interpretação das questões faz parte da prova;
Leia maisDemanda Brasileira de Importação de Borracha Natural,
XLV Congresso da Sociedade Brasileira de Economia, Administração e Sociologia Rural "Conhecimentos para a Agricultura do Futuro" Demanda Brasileira de Importação de Borracha Natural, 1965-2005 Naisy Silva
Leia maisAULA 13 Análise de Regressão Múltipla: MQO Assimptótico
1 AULA 13 Análise de Regressão Múltipla: MQO Assimptótico Ernesto F. L. Amaral 15 de abril de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte: Wooldridge, Jeffrey M. Introdução
Leia maisAULAS 21 E 22 Análise de Regressão Múltipla: Estimação
1 AULAS 21 E 22 Análise de Regressão Múltipla: Estimação Ernesto F. L. Amaral 28 de outubro e 04 de novembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Cohen, Ernesto, e Rolando Franco. 2000. Avaliação
Leia maisInferência estatística
Inferência estatística Susana Barbosa Mestrado em Ciências Geofísicas 2013-2014 Inferência estatística Obtenção de conclusões sobre propriedades da população a partir das propriedades de uma amostra aleatória
Leia maisAula 2 Tópicos em Econometria I. Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses
Aula 2 Tópicos em Econometria I Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses A Questão da Causalidade Estabelecer relações entre variáveis não é suficiente para a análise econômica.
Leia mais6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 214 Problemas de inferência Inferir significa fazer afirmações sobre algo desconhecido. A inferência estatística tem como objetivo fazer afirmações sobre uma característica
Leia maisEPGE / FGV MFEE - ECONOMETRIA Monitoria 03-09/05/2008 (GABARITO)
EPGE / FGV MFEE - ECONOMETRIA Monitoria 03-09/05/2008 (GABARITO) Eduardo P. Ribeiro eduardopr@fgv.br Professor Ilton G. Soares iltonsoares@fgvmail.br Monitor 01. Use os dados em WAGE1 para estimar a seguinte
Leia maisAULAS 20 E 21 Análise de regressão múltipla: problemas adicionais
1 AULAS 20 E 21 Análise de regressão múltipla: problemas adicionais Ernesto F. L. Amaral 08 e 13 de novembro de 2012 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à
Leia maisDelineamento e Análise Experimental Aula 4
Aula 4 Castro Soares de Oliveira ANOVA Significativa Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais.
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Leia maisPHD 5742 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos. 6 a aula Testes de Hipóteses
PHD 5742 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos 6 a aula Testes de Hipóteses Mario Thadeu Leme de Barros Luís Antonio Villaça de Garcia Abril / 2007 Estatística Aplicada ao Gerenciamento
Leia maisAULA 05 Análise de regressão múltipla: inferência
1 AULA 05 Análise de regressão múltipla: inferência Ernesto F. L. Amaral 19 de julho de 2013 Análise de Regressão Linear (MQ 2013) www.ernestoamaral.com/mq13reg.html Fonte: Wooldridge, Jeffrey M. Introdução
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisOs Mínimos Quadrados Ordinários Assintóticos
Os Mínimos Quadrados Ordinários Assintóticos Enquadramento 1. A analise assintótica, é o método matemático que descreve a limitação de um determinado comportamento. O termo assintótico significa aproximar-se
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisNotas de Aulas Econometria I ** Eduardo P. Ribeiro, 2011 PARTE II
Notas de Aulas Econometria I ** Eduardo P Ribeiro, 0 PARTE II Autocorrelação Autocorrelação: violação da hipótese: E [ε t ε t-s ] = 0, para s > 0, como por exemplo, ε t = ρ ε t- + υ t, onde υ t é ruído
Leia maisANÁLISE DE VARIÂNCIA DE DOIS CRITÉRIOS (DBC)
ANÁLISE DE VARIÂNCIA DE DOIS CRITÉRIOS (DBC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 13 de dezembro de 2017 ANAVA dois critérios A análise de variância
Leia maisTestes de Hipóteses. Curso de Introdução à Econometria usando o R. Vítor Wilher. 1 de Dezembro de analisemacro.com.br
Testes de Hipóteses Curso de Introdução à Econometria usando o R Vítor Wilher analisemacro.com.br 1 de Dezembro de 2016 Vítor Wilher (analisemacro.com.br) Testes de Hipóteses 1 de Dezembro de 2016 1 /
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Permite avaliar se existe relação entre o comportamento de duas ou mais variáveis e em que medida se dá tal interação. Gráfico de Dispersão A relação entre duas variáveis pode ser
Leia maisAnálise de Regressão Múltipla com informação qualitativa: variáveis binárias (dummy)
Análise de Regressão Múltipla com informação qualitativa: variáveis binárias (dummy) 1 Como descrever informações qualitativas? Fatores qualitativos podem ser incorporados a modelos de regressão. Neste
Leia maisEstatística Aplicada II. } Regressão Linear
Estatística Aplicada II } Regressão Linear 1 Aula de hoje } Tópicos } Regressão Linear } Referência } Barrow, M. Estatística para economia, contabilidade e administração. São Paulo: Ática, 007, Cap. 7
Leia maisβ 1 x β j 1 x j 1 + β j (x j +k) β j 1 x j 1 +
INSTITUTO SUPERIOR DE AGRONOMIA ESTATÍSTICA E DELINEAMENTO 5 de Janeiro, 2016 SEGUNDO TESTE 2015-16 Uma resolução possível I 1. Em qualquer modelo linear, os graus de liberdade residuais são dados pela
Leia maisModelos de Regressão Linear Simples - parte III
1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada
Leia maisPROV O ECONOMIA. Questão nº 1. Padrão de Resposta Esperado:
Questão nº a) A redução da alíquota do depósito compulsório libera mais recursos para os bancos emprestarem à sociedade, aumentando a oferta de moeda e deslocando a curva LM para a direita. A maior oferta
Leia maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento de Blocos Completos Casualizados (DBCC) Quando usar? Quando as unidades experimentais não apresentam características
Leia maisPROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2006
Instruções para a prova: PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 006 a) Cada questão respondida corretamente vale um ponto. b) Questões deixadas em branco valem zero pontos (neste caso marque todas
Leia maisAULA 8 - MQO em regressão múltipla:
AULA 8 - MQO em regressão múltipla: Definição, Estimação e Propriedades Algébricas Susan Schommer Econometria I - IE/UFRJ Regressão Múltipla: Definição e Derivação A partir de agora vamos alterar o nosso
Leia maisHipóteses do modelo linear clássico (CLM) Análise da Regressão múltipla: Inferência. Hipóteses do CLM (cont.) O teste t. Distribuição normal amostral
9/03/0 Hipótes do modelo linear clássico (CLM) Análi da Regressão múltipla: Inferência Sabemos que, dadas as hipótes de Gauss- Markov, MQO é BLUE Para realizarmos os testes de hipótes clássicos, precisamos
Leia mais