Professional Documents
Culture Documents
= Y X. (1)
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)
Y
b X
b =o (6)
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 )
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 )
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
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)
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.