Manual de Solues Econometria Bsica Gujarati

CAPTULO 15
MODELOS DE ESCOLHA QUALITATIVA

15.1 Os resultados da regresso baseados na excluso das 12 observaes so:

X
1
Yi = 1, 246
+ 0,120 i
wi
wi
t = (10,332)

(17,454)

E os resultados baseados na manuteno das 12 observaes depois de feitos os

ajustes sugeridos so:

X
1
Yi = 0, 635
+ 0, 0820 i
wi
wi
t = (12,576)

(26,305)

A diferena entre os dois modelos perceptvel. No esquea que a regresso revisada

baseia-se nas 40 observaes, enquanto a original baseia-se somente em 28. Talvez
os resultados do modelo revisado sejam preferveis porque incluem todas as
observaes. Repare tambm na mudana das razes t estimadas.
15.2 Esses dados produziro um ajuste perfeito, pois todos os valores de X acima de
16 correspondem a Y = 1 e todos aqueles inferiores a 16 correspondem a Y = 0.
Portanto, uma infinidade de curvas se ajustaria a esses dados. O mtodo de mxima
verossimilhana pode falhar em situaes assim, e, por isso, as estimativas MV
fornecidas no enunciado so de valor questionvel.
15.3 Reportando-nos ao modelo original, verificamos que os resultados so de um
modelo de probabilidade linear e que a unidade para renda disponvel X1 milhares de
dlares.
(a) Dentre os regressores, somente as variveis X1, X13 e X16 so estatisticamente
significativas no nvel de 5% e tm os sinais corretos. O valor baixo de R no deve
preocupar, pois essa medida no deve ser adequada ao modelo em questo.
(b) Como esse coeficiente no estatisticamente significativo, no podemos atribuir
grande significado a essa varivel.
(c) Os termos ao quadrado so utilizados para contornar as taxas de variao dessas
variveis. Os sinais no tm sentido prtico, uma vez que nenhum dos dois
coeficientes estatisticamente significativo.
(d) A probabilidade 0,6431.
(e) A probabilidade 0,6936.

Manual de Solues Econometria Bsica Gujarati

15.4 Como a medida convencional do R no especialmente til em modelos com
regressando dicotmico, no h muito sentido em testar sua significncia como o teste
F visto no Captulo 8. Medidas alternativas da qualidade do ajustamento so abordadas
no texto e nas referncias (veja tambm o Exerccio 15.13).
15.5 As probabilidades estimadas nos vrios nveis de renda so: 0,2458; 0,2761;
0,3086; 0,3611; 0,3981; 0,4950; 0,5923; 0,6828; 0,7614 e 0,8254. Representandoas contra a renda, obteremos quase uma linha reta com inclinao crescente,
conforme o grfico abaixo.

VERTICAL = PROB
HORIZONTAL = RENDA
15.6 Recordemos que I i = 1 + 2 X i . Portanto, a varivel normal padronizada

Ii =
Da,

X i x

1 =

x
x

x 1
+ X .
x x i

2 =

15.7 (a) O logaritmo das chances de uma taxa de homicdios mais alta est
positivamente relacionado ao nmero de habitantes e taxa de crescimento
populacional, mas negativamente relacionado taxa de alfabetizao. O coeficiente de
0,0014 ligado a Pi deve ser interpretado como segue: tome seu antilogaritmo,
subtraia-lhe 1 e multiplique o resultado por 100. Assim, antilog(0,0014) = 1,0014,
subtraindo-lhe 1 e multiplicando o resultado por 100, temos 0,14%, o que quer dizer
que se o nmero de habitantes aumentar uma unidade (no caso, mil), as chances de
uma taxa de homicdios mais alta crescem 0,14%. Os outros coeficientes devem ser
interpretados de forma anloga.
(b) Individualmente, os coeficientes de C e R so estatisticamente significativos no
nvel de 5% ou melhor.

Manual de Solues Econometria Bsica Gujarati

(c) Seguindo as etapas dadas em (a), o efeito do aumento de uma unidade na taxa de
alfabetizao uma reduo de cerca de 49,93% nas chances de uma taxa de
homicdios mais alta.
(d) As chances subiro 5,77%.
[N] Nota: Se tomarmos os valores nominais dos coeficientes dos regressores, teremos
a variao percentual aproximada das chances de uma taxa de homicdios mais alta,
mas, para sermos precisos, temos de seguir o procedimento descrito em (a).
15.8 Os coeficientes estimados diferem pouco. A diferena principal est nos errospadro estimados. A Equao (15.7.3) corrige a heterocedasticidade, ao passo que a
(15.7.3) no o faz.
15.9 (a) Repare que nesse modelo o logaritmo da razo das chances uma funo do
logaritmo da renda, o que faz dele um duplo log. Da, se a renda aumenta 1%, em
mdia, o log das chances favorveis a possuir um carro cresce cerca de 34,8%.
(b) Tirando o antilogaritmo da equao estimada, obtemos

Pi
= 0, 0625 X 0,3475 , em
(1 Pi )

que X a renda. Note que tirando o logaritmo dessa expresso voltamos equao
dada no enunciado.
A partir da equao anterior, tiramos a expresso para a probabilidade de possuir um
carro:

Pi =

0, 0625 X 0,3475
.
1 + 0, 0625 X 0,3475

(c) A probabilidade

Pi =

0, 0625(20000)0,3475
0, 66 .
1 + 0, 0625(20000)0,3475

Ou seja, de aproximadamente 66%. Seguindo esse mesmo procedimento, podemos

verificar que para o nvel de renda de 25.000, essa probabilidade de cerca de 68%.
De acordo com a nota de rodap nmero 19 do livro-texto, tambm verificamos que a
variao da probabilidade do nvel de renda de 20.000 para o de 25.000 bem
pequena.
(d) Vemos pelos resultados que os coeficientes so individualmente muito
significativos, assim como tambm o o valor , medida da qualidade de
ajustamento.
15.10 Conforme o Apndice A, para uma distribuio Bernoulli o valor mdio P, e a
varincia, P(1-P).
15.11 (a) Embora os resultados no sejam uniformes, os coeficientes logit, em
algumas situaes, so, em valores absolutos, mais baixos para os alunos negros do
que para todos os alunos, mas h casos em que a diferena pode no ser

Manual de Solues Econometria Bsica Gujarati

estatisticamente significativa. As variveis, no entanto, tm os sinais esperados na
maioria das vezes.
(b) Na maioria dos casos, sim.
(c) Como vemos, tomando todos os alunos, os coeficientes so todos estatisticamente
muito significativos, o que no o caso para os estudantes negros. A significncia
geral do modelo pode ser julgada pelos valores , muito significativos para todos,
inclusive os negros. Esse valor mede a qualidade de ajustamento do modelo
comparando os valores previstos por ele com os valores reais. Veja o Exerccio 15.13
sobre esse tema.
15.12 (a) Para tornar homocedstico o termo de erro, o peso deve ser o inverso do
erro-padro de termo de distrbio estocstico ui. Nesse caso, o peso wi =

Ni fi
Pi (1 Pi )

(b) Os pesos e os dados transformados so os seguintes:

Probabilidade
0,20
0,24
0,30
0,35
0,45
0,51
0,60
0,66
0,75
0,80

Peso
(wi)
0,075
0,086
0,114
0,140
0,415
1,991
0,243
0,168
0,102
0,095

I* =
Iwi
-11,157
-8,113
-4,571
-2,708
-0,289
0,015
1,029
2,388
6,557
8,820

Xi* =
Xiwi
79,690
92,717
87,896
92,636
36,181
10,044
102,856
179,124
342,509
420,000

(c) Os resultados pelos mnimos quadrados ponderados so:

I i* = 1, 086 + 0, 049 X i*
ep =

(0,031)

(0,001)

V-se que os resultados pelos mnimos quadrados no-ponderados e ponderados no

so muito diferentes, embora para estes ltimos os erros-padro sejam relativamente
menores, como era de se esperar.
15.13 Nesse caso, o teste estatstico 2,3449, com valor p de 0,97. Portanto, no
rejeitamos a hiptese nula de que no h diferena estatstica entre os valores
estimados da probabilidade e os reais.
15.14 Seguem os resultados do modelo logit ponderado
probabilidade de morte como funo do logaritmo da dosagem.

que

expressam

Manual de Solues Econometria Bsica Gujarati

Li = 4,837 + 7,058lnXi
ep = (0,434) (0,599)
t = (11,141) (11,782); = 1,4069.
Esses resultados revelam que os coeficientes estimados so muito significativos. O
valor p do observado 0,7039, indicando que no h diferena estatstica entre os
valores da probabilidade estimados e os reais. Ou seja, o modelo ajustado bastante
bom.
15.15 (a) Seguem os resultados pelo MPL, com Y = 1 se o candidato for admitido; se
no, Y = 0.

Yi = 2,867 + 0,003Qi + 0,002Vi

t = (3,442) (2,976)

(3,441)

(b) Embora os resultados estatsticos paream aceitveis, o MPL no um modelo

satisfatrio devido aos problemas analisados no texto, tais como ausncia de
normalidade do termo de erro, heterocedasticidade etc.
15.16 (a) O modelo logit estimado :

Yi = 2,085 + 0,136Xi
t = (143,597) (151,621).
(b) O modelo probit estimado :

Ii = 3,722 + 0,083Xi
t =(316,543) (115,524).
(c) O valor logit estimado correspondente ao desconto de 17 centavos 1,2548, do
qual tiramos que a probabilidade estimada de aproximadamente 56%, quase igual
do modelo probit.

0, 70
= 2, 085 + 0,136 X i . Resolvendo essa
1 0, 70

(d) O que precisamos achar ln

expresso, teremos o valor de X, que 21,56 centavos.

15.17 (a) Como o coeficiente do estado civil estatisticamente insignificante para
ambos os perodos, no h muito a dizer sobre a importncia dessa varivel, mas seu
sinal positivo tanto em 1977 quanto em 1989, e isso faz sentido sob o aspecto
econmico.
(b) O coeficiente negativo estimado para a varivel minoria est provavelmente
refletindo algum efeito da varivel renda, e indica que as minorias tm rendas mais
baixas e menor necessidade de contas bancrias.

Manual de Solues Econometria Bsica Gujarati

(c) Essa varivel tambm reflete o efeito da varivel renda, indicando que medida
que cresce o nmero de filhos, possvel que a famlia disponha de menos dinheiro
para depositar em contas correntes ou de poupana.
(d) A estatstica uma medida da qualidade de ajustamento do modelo que, nesse
caso, boa, pois a previso de quem teria ou no uma conta corrente foi feita com
acerto de 91% em 1977 e 90% em 1989.
15.18 (a) Os resultados do MPL ponderado so:

Yi = 0,184 + 0,874Xi
t = 1,373)

(5,042).

(b) Dado que X = 48, o verdadeiro E(Y|X=0,48) = 0,440, e o estimado E(Y|X) =

0,603.
(c) Com os dados, podemos confirmar assim a resposta dos autores:
P(Y*|X=0,48) = 0,969 + 2,764(0,48) = 0,3579.
A probabilidade 0,6398, validando o resultado dos autores.
(d) P(Y*|X=0,79) = 0,969 + 2,764(0,79) = 1,2145. A probabilidade 0,8878. A
variao prevista 24,80, que est de acordo com os resultados dos autores.