UNIVERSIDADE FEDERAL DE PERNAMBUCO - CAMPUS AGRESTE (UFPE - CAA)

CENTRO DE CIENCIAS SOCIAIS APLICADAS - CCSA

DEPARTAMENTO DE ECONOMIA
PROGRAMA DE POS-GRADUACAO EM ECONOMIA (PPGECON)
DISCIPLINA DE ECONOMETRIA
DISCENTE: JOSE JORGE SEVERINO

LISTA 1 - REGRESSAO LINEAR

1. Regressao com duas variaveis:

y = + x +

Rearrumando a funcao da populacao, temos que:

= Y X. (1)

Utilizando o Metodo dos Mnimos Quadrados Ordinarios, tem-se que

2i = (Yi
minb b i )2
b X (2)

Diferenciando (1) em relacao aos estimadores dos parametros e igualando a zero, obtem-se:

2i
b
= 2(Yi
b X
b i) = 0 (3)

b

2i
b
= 2(Yi
b )(X
b i) = 0 (4)

b
Como em (1), as equacoes (2) e (3) podem ser expressas considerando seus valores estimados, ou seja:

=Y
b b X
b (5)

substituindo (5) em (2) e (3), obtemos -2 b

 = 0 e -2 b
Xi = 0.
Como -2 6= 0, isso implica que
b
 = 0 e b
Xi = 0.
Expandindo a derivada parcial de (2) e dividindo ambos os termos por n, teremos

Y
b X
b =o (6)

Rearrumando a equacao (40, obtem-se a solucao para o intercepto, que consiste em

b = Y X
b (7)
 Da mesma forma, expandindo a derivada parcial (3) e dividindo os termos por n obtem-se:

1 1
bX b Xi2 = 0
Xi Yi (8)
n n
rearranjando para b

1
n Xi Yi XY
b = 1 2 2
(9)
n Xi (X)

(Xi X)(Yi Y )
b = (10)
(Xi X)2
2
2. Prove que o R aumenta (cai) quando variaveis sao deletadas da regressao se o quadrado da relacao t
em xk na regressao multipla e menor (maior) que 1.
3. Regressao sem a constante
4. Regredir Y sobre X1
X1 : Educacao (x2 ), Experiencia (x3 ) e Habilidade (x4 )

Yi = b1 + b2 x2i + b3 x3i + b4 x4i + u

bi

15.00 193.00 42.00 5.4900
193.00 2517.00 541.00 76.8600
(X10 X1 ) =
42.00

541.00 152.00 9.5800
5.49 76.86 9.58 11.2335
Como o det |(X1 X1 ) |6= 0, a inversa sera

5.51368863 0.421660246 0.036714069 0.22169197
0.42166025 0.034630698 0.005073509 0.02654529
(X10 X1 )1 = 0.03671407

0.005073509 0.033249753 0.02430031
0.22169197 0.026545286 0.024300309 0.14157519

30.8900
398.1500
X10 y = 88.7900

11.2303
Com base nas matrizes obtidas, calcula-se b = (X10 X1 )1 X10 Y

b1

1.6636
0.0145
b
b = b2 =
3 0.0710
b4 0.0266

5. Regredir Y sobre X1 e X2
X1 : Educacao (x2 ), Experiencia (x3 ) e Habilidade (x4 )

Yi = b1 + b2 x2i + b3 x3i + b4 x4i + b5 x5i + b6 x6i + b7 x7i + u

bi

15.00 193.00 42.00 5.49 181.00 190.00 33.00
193.00 2517.00 541.00 76.86 2329.00 2451.00 417.00

42.00 541.00 152.00 9.58 494.00 527.00 96.00

(X 0 X) =
5.49 76.86 9.58 11.23 72.02 77.75 3.27
181.00 2329.00 494.00 72.02 2209.00 2312.00 399.00

190.00 2451.00 527.00 77.75 2312.00 2454.00 412.00
33.00 417.00 96.00 3.27 399.00 412.00 95.00
Como o det|(XX)|6= 0, a inversa sera

15.92 0.48 0.24 0.69 0.74 0.04 0.07
0.48 0.04 0.00 0.03 0.01 0.00 0.00

0.24 0.00 0.04 0.02 0.02 0.01 0.00

(X 0 X)1 =
0.69 0.03 0.02 0.26 0.05 0.01 0.09
0.74 0.01 0.02 0.05 0.09 0.03 0.03

0.04 0.00 0.01 0.01 0 : 03 0.04 0.01
0.07 0.00 0.00 0.09 0.03 0.01 0.08

30.8900
398.1500

88.7900

X10 y =
11.2303

374.21

392.86
69.26
com base nas matrizes obtidas, calcula-se b = (X 0 X)1 X 0 y
b
1 0.0490

b2
0.0259
b
3 0.1034

b = b4 = 0.0308


5 0.1017
b

b6 0.0017

0.0592
b7
Letra c: Regredir cada variavel de X2 em X1
I) Para x5 = X
b 1+ub, tem-se b5 = (X10 X1 )1 X10 x5

b51

5.5137 0.4217 0.0367 0.2217 181.00 13.7604
o.4217 0.0346 0.0051 0.0265 2329.00 0.0837
b
52

b5 = b = 494.00 = 0.2860

53 0.0367 0.0051 0.0332 0.0243
54
b 0.2217 0.0265 0.0243 0.1416 72.02 0.5029

II) Para x6 = X
b 1+ub, tem-se b6 = (X10 X1 )1 X10 x6

b61

5.5137 0.4217 0.0367 0.2217 190.00 11.9998
o.4217 0.0346 0.0051 0.0265 2451.00 0.0268
b
62

b6 = b = 527.00 = 0.0011

63 0.0367 0.0051 0.0332 0.0243
64
b 0.2217 0.0265 0.0243 0.1416 77.75 0.8727

III) Para x7 = X
b 1+u b, tem-se b7 = (X10 X1 )1 X10 x7

b71

5.5137 0.4217 0.0367 0.2217 33.00 3.3198
o.4217 0.0346 0.0051 0.0265 417.00 0.0476
b
b7 = b72

= 96.00 = 0.0558

73 0.0367 0.0051 0.0332 0.0243
b74 0.2217 0.0265 0.0243 0.1416 3.27 0.9578
Letra D:
I) O R2 para a regressao com a constante:

2
b0 X 0 y nY 64.09523 63.6126 0.48263
R2 = 2 = = = R2 = 0.516237
y 0 y nY 64.5475 63.6126 0.9349

II) Seja S a matriz sem o termo constante, tem-se


2517.00 541.00 76.86 2329.00 2451.00 417.00

541.00 152.00 9.58 494.00 527.00 96.00
76.86 9.58 11.23 72.02 77.75 3.27
(SS) =

2329.00 494.00 72.02 2209.00 2312.00 399.00

2451.00 527.00 77.75 2312.00 2454.00 412.00
417.00 96.00 3.27 399.00 412.00 95.00
a partir da matriz (SS): b = (S 0 S)1 S 0 y
b
1
b2 0.0209 0.0105 0 : 0053 0 : 0156 0.0043 0.0032 398.15 0.02730
0.0105 0.0359 0 : 0262 0.0119 0.0087 0.0033 88.79 0.10414

b
3
b 0.0053 0.0262 0 : 2300 0.0160 0.0072 0.0873 11.23 0.02862
= 4 =
b
374.21 = 0.10390

b 0.0156 0.0119 0 : 0160 0.0529 0 : 0315 0.0284
5
0.0043 0.0087 0 : 0072 0.0315 0.0352 0.0074 392.86 0.00176
b6 0.0032 0.0033 0.0873 0.0284 0.0074 0.0840 69.26 0.05897
b7
O R2 para regressao sem a constante:

2
2 b0 S 0 y nY 64.09523 63.61281 0.48227
R = 2 = = = R2 = 0.515968
y0 y nY 64.5475 63.61281 0.93469

O R2 sem a constante e ligeiramente menor que o R2 calculado com o vetor de 1s, como previsto pela teoria
econometrica.
2
Letra E: R para a regressao completa com a constante:

2 n1 14 2
R = 1 (1 R2 ) = 1 (0.483763) = 1 0.8465852 = R = 0.1534148
nk 8
6. Regressao na forma matricial
O modelo Yi = b1 + b2 X2i + b3 X3i + u
bi em notacao matricial e:

y = X b + u
b (11)

e segue como o mostrado:

1673 1 1839 1 u
b1
1688 1 1844 2 u
b2

1666 1 1831 3 u
b3

1735 1 1881 4 u
b4

1749 1 1883 5 u
b5

1756 1 1910 6 u
b6

1815 1 1969 7


b1 u
b7
1867 = 1 2016 8


b2 +
u
b8

1948 1 2126 9 3
b u
b9

2048 1 2239 10 u
b10

2128 1 2336 11 u
b11

2165 1 2404 12 u
b12

2357 1 2487 13 u
b13

2316 1 2535 14 u
b14
2324 1 2595 15 u
b15
Letra A - Estimando os coeficientes:

n X2 X3 15.00 31895.00 120.00
(X 0 X) = X2 X22 X2 X3 = 31895.00 68922513.00 272144.00
X3 X3 X2 X32 120.00 272144.00 1240.00
a partir da matriz (XX) para b = (X 0 X)1 X 0 y

b1 37.2327718267 0.0225081163 1.3367065965 29235.00 163.513
b = b2 = 0.0225081163 0.0000137155 0.0008319407 63154521.00 = 0.821

b3 1.3367065965 0.0008319407 0.0540345726 249234.00 5.056

O modelo passa a ser: Yb = 163.513 + 0.821X2 + 5.056X3

Letra B -
Sendo yy = 57881403 e b0 X 0 y = 57870069, tem-se que u
b0 u
b = y 0 y b0 X 0 y = 11334.
b0 u
u 11334
b2 =
Com isso obtem-se: nk
b
= 12 = b2 = 944.5

E constroi-se a matriz de variancia-covariancia para ,
b a saber:

35166.35 21.26 1262.52
var cov() b2 (X 0 X)1
b = = 21.26 0.01 0.79
1262.52 0.79 51.04
A diagonal principal da matriz var-cov da as variancias de b1 , b2 , b3 , respectivamente. Sendo os erros-padrao
suas razes quadradas positivas.

ep1 = 187.5269
ep2 = 0.1
ep3 = 7.144228

Letra C:
R2

2
2 b0 X 0 y nY 57870069 56979015
R = 2 = = R2 = 0.98744
y0 y nY 57881403 56979015

2
R

2 n1 14 2
R = 1 (1 R2 ) = 1 (0.01256) = R = 0.9853467
nk 12
Letra D
O modelo estimado Yb = 163.513 + 0.821X2 + 5.056X3 pode ser interpretado como a proporcao que cada
variavel afeta a variavel independente. E possvel entender que o coeficiente 0.821 da variavel X2 representa
um acrescimo de 0,821% no consumo quando a renda per capita e acrescida em 1% , ceteris paribus. O
coeficiente de X2 ainda tem o significado economico da propensao marginal do consumo, neste exemplo. Da
mesma forma, mantendo a renda per capita constante, o consumo per capita aumenta cerca de R$5/ano
durante o perodo analisado.
2 2
Os valores de R2 e do R sao muito proximos, apesar do R ser ligeiramente menor. Os dois valores sugerem
que as duas variaveis analisadas explicam quase 99% do consumo per capita no EUA.