ECONOMETRIA EXERCÍCIOS DO CAPÍTULO 2 1. Exercício C7.8 de W (4th edition), apenas as alíneas i) a iv). 2. Exercício 7.7 de W. 3. Exercício C8.7 de W, com excepção da questão sobre WLS em ii). 4. Exercício 17.1 de W. 5. Exercício 17.2 de W. 6. Exercício C17.1 de W. 7. Exercício C17.2 de W. 8. (Exercício 3 do exame de ER de 28/6/2011.) Pretendendo-se estudar os hábitos tabágicos dos indivíduos, estimou-se o modelo Probit apresentado abaixo, onde as variáveis têm o seguinte significado: fumador variável dummy com o valor 1 se o indivíduo é fumador; idade idade do indivíduo (e idade2 = idade 2 ); proib variável dummy com o valor 1 se existe proibição para fumar no local de trabalho do indivíduo; licen variável dummy com o valor 1 se o indivíduo é licenciado. Dependent Variable: FUMADOR Method: ML - Binary Probit (Quadratic hill climbing) Sam ple: 1 10000 Convergence achieved after 6 iterations Covariance matrix com puted using second derivatives C -0.795407 0.133264-5.968674 0.0000 IDADE 0.020344 0.006738 3.019287 0.0025 IDADE2-0.000293 8.03E-05-3.650375 0.0003 PROIB -0.221290 0.028207-7.845165 0.0000 LICEN -0.474035 0.038735-12.23780 0.0000 McFadden R-squared 0.022888 Mean dependent var 0.242300 S.D. dependent var 0.428496 S.E. of regression 0.423417 Akaike info criterion 1.083087 Sum squared resid 1791.925 Schwarz criterion 1.086692 Log likelihood -5410.434 Hannan-Quinn criter. 1.084307 Restr. log likelihood -5537.166 LR statistic 253.4638 Avg. log likelihood -0.541043 Prob(LR statistic) 0.000000 1
a) Este modelo Probit, com y = fumador e x = (idade, idade2, proib, licen), não pode ser estimado com o OLS porque dada a presença certa de heterocedasticidade, o OLS é inconsistente. E(y x) = P (y x) não é uma função linear das variáveis de x. E(y x) = P (y x) não é uma função linear nos coeficientes. o logaritmo da função de verosimilhança é negativo e o OLS só minimiza funções positivas. b) Indique a expressão algébrica que permite estimar o efeito parcial médio da variável proib. Supondo que essa estimativa é igual a 0.069, interprete-a. c) Estimou-se também um modelo do qual se excluíram as variáveis proib e licen. Para esse modelo, qual dos seguintes valores deverá ter sido obtido para a Log likelihood? 5528.6. +3122.7. 5546.2. 5402.3. 9. (Exercício 3 do exame de ER de 25/6/2010.) Para analisar os determinantes do (in)cumprimento dos pagamentos associados aos seus cartões de crédito, uma instituição bancária estimou o modelo Probit apresentado abaixo, onde as variáveis têm o seguinte significado: Dependent Variable: CUMP Method: ML - Binary Probit (Quadratic hill climbing) Sample: 1 960 Convergence achieved after 3 iterations Covariance matrix computed using second derivatives C 0.021125 0.127902 0.165166 0.8688 SALDO 0.025659 0.003346 7.668841 0.0000 NCART -0.057103 0.011214-5.092315 0.0000 CASADO 0.293265 0.153204 1.914210 0.0556 McFadden R-squared 0.075422 Mean dependent var 0.679167 S.D. dependent var 0.467040 S.E. of regression 0.441063 Akaike info criterion 1.168672 Sum squared resid 185.9771 Schwarz criterion 1.188951 Log likelihood -556.9624 Hannan-Quinn criter. 1.176394 Restr. log likelihood -602.3962 LR statistic 90.86758 Avg. log likelihood -0.580169 Prob(LR statistic) 0.000000 Obs with Dep=0 308 Total obs 960 Obs with Dep=1 652 2
cump variável dummy com o valor 1 se o indivíduo cumpriu (dentro do prazo) todos os pagamentos nos últimos 5 anos; saldo saldo médio da conta à ordem do indivíduo, em centenas de euros; ncart número total de cartões de crédito que o indivíduo possui (incluindo de outras instituições financeiras); casado variável dummy com o valor 1 se o indivíduo é casado. a) O estimador que foi empregue...... minimiza SSR = n i=1 (cump i β 0 β 1 saldo β 2 ncart β 3 casado) 2.... tem como expressão ˆβ = (X X) 1 X y, com X a matriz das observações das variáveis explicativas.... minimiza n i=1 [y i Φ(x i β)] 2, com y i = cump i e x i = (1, saldo i, ncart i, casado i ).... nenhuma das restantes respostas é correcta. b) Indique as instruções de EViews que necessita empregar para obter a estimativa do efeito parcial médio da variável casado. c) Suponha que, como resultado dessas instruções, obteve o valor 0.099. Interprete esta estimativa. d) No output apresentado...... a LR statistic é obtida com 2 (L R L UR ).... a Restr. log likelihood é obtida estimando um modelo Probit apenas com a constante, isto é, sem variáveis explicativas.... a LR statistic é uma estatística dada por LR = (R2 ur R2 r )/(k 1) (1 R 2 ur )/(n k 1).... ˆβ3 = 0.293 significa que se estima que, em média, ceteris paribus, quando um indivíduo se casa, a probabilidade de passar a cumprir os pagamentos do seu cartão de crédito na referida instituição aumenta em 0.293. 10. (Exercício 3 do exame de ER de 27/1/2011.) Pretendendo-se analisar o sucesso escolar numa disciplina de 1 o ano de uma instituição de ensino superior, estimaram-se os modelos Probit apresentados abaixo, onde as variáveis têm o seguinte significado: aprov variável dummy com o valor 1 se o aluno obteve aprovação na disciplina; mulher variável dummy com o valor 1 se o aluno é do sexo feminino; nentra classificação de entrada na universidade; aulas percentagem de aulas da disciplina assistidas pelo aluno. 3
Dependent Variable: APROV Method: ML - Binary Probit (Quadratic hill clim bing) Included observations: 240 C -4.086024 0.564370-7.239972 0.0000 MULHER 0.629435 0.235792 2.669449 0.0076 NENTRA 0.224329 0.036918 6.076423 0.0000 AULAS 0.029947 0.003995 7.496475 0.0000 McFadden R-squared 0.473834 Mean dependent var 0.670833 S.D. dependent var 0.470893 S.E. of regression 0.327604 Akaike info criterion 0.700078 Sum squared resid 25.32852 Schwarz criterion 0.758088 Log likelihood -80.00930 Hannan-Quinn criter. 0.723452 Restr. log likelihood -152.0609 LR statistic 144.1031 Avg. log likelihood -0.333372 Prob(LR statistic) 0.000000 Dependent Variable: APROV Method: ML - Binary Probit (Quadratic hill clim bing) Included observations: 240 C 0.244275 0.118665 2.058526 0.0395 MULHER 0.393209 0.168980 2.326950 0.0200 McFadden R-squared 0.017909 Mean dependent var 0.670833 S.D. dependent var 0.470893 S.E. of regression 0.466507 Akaike info criterion 1.261147 Sum squared resid 51.79574 Schwarz criterion 1.290152 Log likelihood -149.3376 Hannan-Quinn criter. 1.272834 Restr. log likelihood -152.0609 LR statistic 5.446491 Avg. log likelihood -0.622240 Prob(LR statistic) 0.019608 a) Formalize, efectue e retire a conclusão apropriada do teste estatístico que conduziu à estimação do segundo modelo. b) Empregando o primeiro modelo e usando as instruções scalar c1=@cnorm(c(1)+c(2)+c(3)*12+c(4)*50) scalar c2=@cnorm(c(1)+c(2)+c(3)*12+c(4)*90) obtiveram-se, respectivamente, os valores 0.768 e 0.973. Indique as expressões formais representadas pelos valores estimados e calcule e interprete a sua diferença. 11. (Exercício 2 do exame de EE de 3/9/2012.) Num estudo sobre a mobilidade dos estudantes universitários estimaram-se os modelos apresentados abaixo, onde as variáveis têm o seguinte significado: 4
erasmus variável dummy com o valor 1 se o estudante foi aluno Erasmus; rend rendimento médio da família; nota classificação média obtida antes de ir para Erasmus ; ingles variável dummy com o valor 1 se o estudante frequentou um curso de inglês ou se domina a língua inglesa. P(erasmus = 1 rend, nota, ingles) = Φ( 2.265 + 0.544 rend + 0.118 nota + β 3 ingles), n = 753, SSR = 151.821, L = 445.696. P(erasmus = 1 rend) = Φ( 0.443 + 0.605 rend) n = 753, SSR = 160.727, L = 467.196. a) Empregando o primeiro modelo e usando as instruções series x=@cnorm(c(1)+c(2)*rend+c(3)*nota+c(4)) series y=@cnorm(c(1)+c(2)*rend+c(3)*nota) scalar z=@mean(x-y) obteve-se o valor z = 0.193. Então, relativamente à estimativa β 3 do coeficiente da variável ingles pode-se concluir que: β 3 > 0; β3 < 0; β3 = 0.193; β 3 pode assumir qualquer valor não nulo. b) Interprete o valor obtido para z (0.193). c) Formalize, efectue e retire a conclusão apropriada do teste estatístico que conduziu à estimação do segundo modelo. 12. (Exercício 4 do exame de ER de 2/7/2013 modificado.) Empregando uma amostra aleatória de 620 observações, estimou-se um modelo Logit em que a variável dependente, profin, assume o valor 1 se determinado produto financeiro é subescrito pelos clientes do banco. Como variáveis explicativas, usaram-se, rend, o rendimento do cliente, idade, a sua idade em anos, e carte, uma variável dummy com o valor 1 se o cliente tem uma carteira de aplicações em bolsa (acções, obrigações, etc.). Os principais resultados de estimação obtidos são os seguintes ( s.e. designa o erro padrão ou standard error do estimador): var. expl. coef. est. s.e. const. 2.681 0.267 rend 0.003 0.001 idade 0.029 0.003 carte 0.240 0.117 5
a) Escreva o modelo sob o formato de equação e teste a hipótese de a variável carte ser irrelevante para explicar a probabilidade de os clientes subescreverem o referido produto. b) Segundo o indivíduo A, para estimar o efeito parcial médio da variável rend devem empregar-se as seguintes instruções de EVIews: series facesc=@dlogistic(c(1)+c(2)*rend+c(3)*idade+c(4)*carte) series efeipar=facesc*c(2) scalar epm=@mean(efeipar) O indivíduo B concorda com a primeira das instruções mas acha que em seguida se devem usar: scalar factorm=@mean(facesc) scalar epm=factorm*c(2) Na sua opinião: É o indivíduo A quem tem razão. É o indivíduo B quem tem razão. É indiferente usar as instruções de A ou de B. Nem A nem B têm razão, as duas maneiras são incorrectas. Exercícios prioritários: 1,7, 9 e 10. 6