Capítulo 1. Exercício 5. Capítulo 2 Exercício

Documentos relacionados
Métodos Avançados em Epidemiologia

PRESSUPOSTOS DO MODELO DE REGRESSÃO

Regressão Múltipla. Parte I: Modelo Geral e Estimação

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Cap. 11 Correlação e Regressão

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados

Gabarito da Lista de Exercícios de Econometria I

Análise de Regressão Linear Múltipla VII

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

REGRESSÃO NÃO LINEAR 27/06/2017

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

ECONOMETRIA Prova Intermediária PI 04/04/2014

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012

Associação entre duas variáveis quantitativas

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2

Análise de Regressão

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão Linear Múltipla IV

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

REGRESSÃO E CORRELAÇÃO

FACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II

3 A técnica de computação intensiva Bootstrap

Lista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados

1. CORRELAÇÃO E REGRESSÃO LINEAR

O problema da superdispersão na análise de dados de contagens

Estatística Espacial: Dados de Área

MODELOS DE REGRESSÃO PARAMÉTRICOS

4 Critérios para Avaliação dos Cenários

Testes não-paramétricos

a média populacional do i-ésimo tratamento; o efeito do i-ésimo tratamento na variável dependente Y e mede o afastamento da média µ

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011

O problema da superdispersão na análise de dados de contagens

1ª PROVA DE ESTATÍSTICA EXPERIMENTAL

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

ECONOMETRIA I Prova n.º 1

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.

Estatística II Antonio Roque Aula 18. Regressão Linear

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

Regressão Linear Simples. Frases. Roteiro

Econometria II. Painel (1ª Diferenças, Efeitos Fixos e escolha entre estimadores de painel)

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr.

Contabilometria. Aula 8 Regressão Linear Simples

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

Prof. Lorí Viali, Dr.

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Análise de Variância. Comparação de duas ou mais médias

CAPÍTULO 2 - Estatística Descritiva

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:

3. ANPEC Questão 15 Ainda em relação à questão anterior pode-se concluir que, exceto por erro de arredondamento:

(c) 0,5; 9,5; -10,5; -0,5; 12,3; 2,3; etc. Ocorre desvio alto para o indivíduo 19 (-19,5) X (idade da casa)

Econometria I EXERCÍCIOS PRÁTICOS. Licenciatura em Economia. ISCTE-IUL, Business School, 2017/2018

Análise Exploratória de Dados

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:

O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade.

Estatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard

Quiz Econometria I versão 1

1. Caracterização de séries com

F = O modelo de Regressão Múltipla Geral é dado por: Y i = β 1 + β 2 X 1i + β 3 X 2i + +β k X ki + U i Para testar a hipótese nula de que: H

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Equações Simultâneas

CORRELAÇÃO E REGRESSÃO

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

Covariância na Propagação de Erros

Regressão Linear Múltipla. Frases. Roteiro

AEP FISCAL ESTATÍSTICA

Ocorrência (i) Total Freq. Observada (n i )

UNIVERSIDADE FEDERALDO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS FACULDADE DE ESTATÍSTICA CURSO DE BACHARELADO EM ESTATÍSTICA

2. VARIÁVEIS ALEATÓRIAS

Estatística I Licenciatura MAEG 2006/07

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

UNIVERSIDADE FEDERAL DE VIÇOSA CENTRO DE CIÊNCIAS AGRÁRIAS DEPARTAMENTO DE ECONOMIA RURAL. ERU ECONOMETRIA I Segundo Semestre/2010

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

RETORNOS PRIVADOS DE EDUCAÇÃO INDIVIDUAL NO PARANÁ

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

4.1. Tábuas de mortalidade

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

AULA EXTRA Análise de Regressão Logística

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)

Avaliação do Modelo. Avaliação de Modelos. Métricas para avaliação de desempenho. Métricas para avaliação de desempenho 31/05/2017

TESTE DO QUI-QUADRADO - Ajustamento

Tabela 1. Porcentagem de crianças imunizadas contra DPT e taxa de mortalidade de menores de 5 anos para 20 países, 1992.

Gráficos de Controle para Processos Autocorrelacionados

Modelagem do crescimento de clones de Eucalyptus via modelos não lineares

Transcrição:

UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações 0 4 Itens A, B 3 Capítulo 5 Exercíco Item ou Observação Itens A,B, F, G, H, Sendo que SQE = 303 e SQT = 3756 3 Itens A, B, C 5 8 5 Captulo 6 Exercíco A, B, C 3 8 Item ou Observação

Captulo 7 8 4 Item A 6 7 8 0 Captulo 8 6 A prmera parte 3 4 6 8 34 Captulo 3 4 Adaptadas dos exames da ANPEC. Em uma regressão com váras varáves explcatvas, se ndvdualmente os coefcentes não forem sgnfcatvos, o teste F de sgnfcânca conjunta também não terá a hpótese nula rejetada.. Consdere o segunte modelo de regressão lnear: y = β0 + β X + u, em que u é o erro da regressão, y é a varável dependente e X é a varável explcatva. Para testarmos a hpótese H0: β = 0 contra a alternatva Ha: β > 0, devemos utlzar um teste t unlateral. 3. Se o modelo de regressão y = β0 + β X + u satsfaz as hpóteses do teorema de Gauss-Markov, então β é um estmador lnear não vesado com menor varânca possível. 4. Se uma varável é sgnfcatva ao nível de %, então ela é sgnfcatva ao nível de 5%.

Anpec 00: RESPOSTAS: F, V RESPOSTAS: V, V, F, V Anpec 00 RESPOSTAS: V, F 3

RESPOSTA: V RESPOSTAS: F, V, F, F 4

QUESTÃO 0 Anpec 0 [Para a resolução desta questão talvez lhe seja útl saber que se Z tem dstrbução normal padrão, então Pr( Z >,645)=0,0 e Pr( Z >,6)=0,05.] Consdere as seguntes estmatvas obtdas pelo método de mínmos quadrados ordnáros para o modelo de regressão abaxo (desvos-padrões entre parênteses): ln(saláro) = 0,600+ 0,75sndcato + 0,00sexo+0,080educ+0,030 exper 0,003 exper + û (0,0) (0,00) (0,050) (0,03) (0,00) (0,00) R = 0,36 em que educ e exper denotam, respectvamente, o número de anos de estudo e o número de anos de experênca profssonal, sndcato é uma varável dummy que assume o valor se o trabalhador for sndcalzado e 0 caso contráro e sexo é uma varável dummy gual a se o trabalhador for do sexo masculno e gual a 0 se for do sexo femnno. O resíduo da regressão é o termo û. Todas as suposções usuas acerca do modelo de regressão lnear clássco são satsfetas. É correto afrmar que: O Supondo que o tamanho da amostra seja grande o sufcente para que aproxmações assntótcas sejam váldas, é possível rejetar, ao nível de sgnfcânca de 5%, a hpótese nula de que os saláros de trabalhadores sndcalzados e não sndcalzados são guas. A hpótese alternatva é que os trabalhadores sndcalzados ganham mas do que os não sndcalzados. Supondo que o tamanho da amostra seja grande o sufcente para que aproxmações assntótcas sejam váldas, é possível rejetar, ao nível de sgnfcânca de 5%, a hpótese nula de que os saláros de homens e mulheres são guas. A hpótese alternatva é que os saláros de homens e mulheres são dferentes. Um ano adconal de experênca eleva o saláro em 3,00%. 3 Se nclurmos um regressor adconal entre as varáves explcatvas, o R² não dmnurá. 4 Supondo que os erros tenham dstrbução normal e que o tamanho da amostra seja 06, é possível rejetar, ao nível de sgnfcânca de 5%, a hpótese de que os coefcentes da regressão, com exceção do ntercepto, são smultaneamente guas a zero (F0,5; 5, 00 =.5). RESPOSTAS: V, F, F, V, V 5

QUESTÃO Anpec 0 RESPOSTAS: F, F, F, F 6

F,F,V,V,V ANPEC 03 - QUESTÃO 04 F, V, V, F, V 7

ANPEC 03 - QUESTÃO 5 V,F,F,V,F 8

Anpec 04 - QUESTÃO 0 Neste exemplo, queremos prever o peso do ndvíduo usando somente sua altura, Y = β 0 + βx + ε, no qual Y é o peso do ndvíduo e X a altura. Assummos que (, é uma = Y ) N X 4 0 E[ u 4 amostra aleatóra, E[ ε ] = 0, Var [ ] > 0, E [ ] <, < ] < e Var [ ε X ] = σ ε obtemos a segunte tabela: N Y = X X. Após coletar a nformação de peso e altura de 00 ndvíduos, N X = N ( ) N Y Y ( ) N X X ( Y Y )( X X ) = 8 8 5 00 4800 Estmando o modelo por Mínmos Quadrados Ordnáros, calcule o valor da estmatva obtda para ˆ β. Multplque o resultado por 0. RESPOSTA: 40 = X = Anpec 04 - QUESTÃO 04 Usando dados de uma amostra aleatóra da população com 80.000 ndvíduos, é estmada uma regressão pelo método de Mínmos Quadrados Ordnáros. Os resultados dessa regressão são mostrados abaxo, em que os erros-padrão são mostrados entre parênteses: [Para a resolução desta questão talvez lhe seja útl saber que se Z tem dstrbução normal padrão, então P( Z >,645)=0,0 e P( Z >,6)=0,05] ln(saláro) = 0,30+ 0,0 escol + 0,03 dade - 0,5 mulher 0,05(mulher x escol) (0,0) (0,04) (0,0) (0,03) (0,05) R = 0,45 e n=80.000, em que escol representa o número de anos de estudo, dade é a dade do ndvíduo em anos e mulher é uma varável dummy gual a se o trabalhador for do sexo femnno e gual a 0 se for do sexo masculno. Todas as suposções usuas acerca do modelo de regressão lnear clássco são satsfetas. Com base nos resultados acma, e supondo que a amostra é sufcentemente grande para que aproxmações assntótcas sejam váldas, é correto afrmar que: O É possível rejetar, ao nível de sgnfcânca de 0%, a hpótese nula de que o coefcente assocado a varável escol é gual a zero. A hpótese alternatva é a de que o coefcente assocado a varável escol é dferente de zero; A méda dos saláros dos homens é maor do que a méda dos saláros das mulheres; Cada ano adconal de escolardade deve elevar os saláros em 0%; 3 O coefcente de nteração (mulher x escol) é sgnfcante (hpótese alternatva de que é dferente de zero) ao nível de 0%; 4 É possível rejetar, ao nível de sgnfcânca de 5%, a hpótese nula de que o coefcente assocado a varável dade é gual a zero. A hpótese

alternatva é que o coefcente assocado a varável dade é maor do que zero. RESPOSTAS: V, F, F, F, V Anpec 04 - QUESTÃO 06 Suponha que queremos estmar como a renda de um ndvíduo vara ao longo do cclo de vda. Queremos testar a teora de que a renda do ndvíduo cresce a partr do momento que ele entra no mercado de trabalho até uma dade méda, e depos começa a decrescer até o fnal do cclo de vda. Usando dados de uma pesqusa anual para 4.368 trabalhadores, estmamos o segunte modelo: Y = β + β X + β X + β X + β X + ε 0 3 3 4, em que Y é o logartmo da renda mensal do ndvíduo, X é a dade do ndvíduo, X é uma varável bnára que é gual se o ndvíduo é homem e X 3 representa o número de anos de estudo do ndvíduo. Estmando o modelo por Mínmos Quadrados Ordnáros, obtemos o segunte resultado, em que os valores em parênteses abaxo dos coefcentes representam os erros-padrão: [Para a resolução desta questão talvez lhe seja útl saber que se Z tem dstrbução normal padrão, então P( Z >,645)=0,0 e P( Z >,6)=0,05] Yˆ = 4,66+ 0,45 X +,55 X +,0 X 0,06 X. (,67) (0,08) (0,46) (0,08) 3 (0,000) O Se a teora descrta acma é verdadera, esperamos que o snal de β seja postvo e o snal de β 4 negatvo; Neste modelo, o ntercepto do modelo para homens é β 0 + β, e o do modelo para mulheres é somente β 0 ; O resultado ndca que, mantendo tudo mas constante, o aumento de ano da dade do ndvíduo aumenta a sua renda em 45%; 3 Temos evdênca de que a equação de saláros dos homens apresenta um ntercepto dferente do modelo para mulheres; 4 Com os resultados do modelo, podemos afrmar que dade e educação têm um efeto conjunto sgnfcatvo no logartmo do saláro, sto é, temos evdênca para rejetar a hpótese nula H β = 0, β 0. RESPOSTAS: V, V, F, V, F 0 : 3 = 0