Prévia do material em texto
Universidade do Sul de Santa Catarina – Unisul Digital Atividade de Avaliação a Distância – AD Unidade de Aprendizagem: Econometria Curso: Bacharelado em Ciências Econômicas Atividade obrigatória, vale 50% da sua nota, demonstre os cálculos. Questão 1: (30% ) As exportações catarinenses são influenciadas pela taxa câmbio do Brasil. Na tabela abaixo temos dos dados das exportações representada pela letra X e os dados da taxa de câmbio representada pela letra c. Tabela 1 – Exportações e taxas de câmbio Ano X ct-1 2010 545 2,90 2011 550 3,00 2012 585 3,05 2013 600 3,08 2014 650 3,10 2015 2016 2017 655 660 665 3,20 3,25 3,30 2018 685 3,35 2019 720 4,44 2020 735 4,90 2021 795 5,05 Fonte: Autora (2022). A partir destes dados, estime a função de regressão simples, calcule passo a passo sem a utilização da ferramenta regressão do Excel, e demonstre os cálculos. Para estimar a função de regressão simples, inicialmente, precisamos obter as informações (média, desvios, quadrado dos desvios) necessárias para conseguir calcular os valores dos parâmetros. Com a ajuda do Excel esse cálculo fica mais fácil. Na figura 1, temos os valores dessas informações. Figura 1 – Cálculo das informações dos parâmetros Fonte: Elaboração do autor, 2022. Assim, podemos calcular o valor dos parâmetros. Deste modo, podemos escrever a função geral da regressão. Neste exercício, queremos estimar a função das Exportações (X) que é influenciada pela Taxa Câmbio (C). Logo, temos: Podemos confirmar se a função foi obtida corretamente, utilizando a ferramenta Análise de dados do Excel (apenas para certificar dos valores), conforme a Figura 2. Figura 2 – Conferencia da função e do cálculo dos parâmetros Fonte: Elaboração do autor, 2022. Questão 2: (10%) Elabore um modelo econômico que inclua uma variável Dummy, justifique a escolha de cada variável e do seu modelo (não precisa de dados e nem regredir). Observação: não utilizar modelos prontos, exemplo: preço de apartamento, se tem ou não piscina. Considerando que o volume das exportações do Brasil (E) é influenciado pela Taxa de Câmbio do país (C), podemos elaborar a seguinte função para a regressão. Em que: E = volume de exportações; e C = Taxa de câmbio do país. Se acrescentarmos uma variável Dummy (D), por exemplo, mudança de políticas econômicas relacionadas ao resultado das eleições presidenciais, tem-se que: Em que: E = volume de exportações; C = Taxa de câmbio do país; e D = Mudança de políticas econômicas (resultado das eleições presidenciais). Quando: D = 0, não há mudança de políticas econômicas (resultado das eleições presidenciais); e D = 1, há mudança de políticas econômicas (resultado das eleições presidenciais). Assim, temos que: Quando D = 0, Mas quando D = 1, Questão 3: (60%) A partir do modelo de decisão de investimento produtivo, ou seja, em bens de capital, que depende de PIB em bilhões de dólares como proxy de renda e juros. Segue os dados: Tabela 2 – Investimentos, taxa de juros e PIB Ano I j PIB 2009 390 10 87 2010 375 11 86 2011 368 12 85 2012 355 12 85 2013 353 13 80 2014 342 14 79 2015 338 14 78 2016 342 13 75 2017 348 14 75 2018 352 15 74 2019 362 14 73 2020 383 14 72 2021 399 13 76 Fonte: elaboração própria (2022). Pede-se: a) Estime a função de regressão, utilize a ferramenta regressão do Excel cole os cálculos neste espaço e escreva função; Figura 3 – Cálculo da função regressão Fonte: Elaboração do autor, 2022. Vamos escrever a função da regressão múltipla. Neste exercício, queremos estimar a função Investimento Produtivo (I) que é influenciada pela Taxa de Juros (j) e pelo PIB (P). Logo, temos: b) Analise os sinais da função estimada; A partir da função de regressão, espera-se que: 1) Com relação ao Investimento Produtivo (I), espera-se que a Taxa de Juros (J) tenha uma relação inversa, ou seja, quanto maior a Taxa de Juros (J) menor o Investimento Produtivo (I), o que justifica o sinal negativo; e 2) Com relação ao Investimento Produtivo (I), espera-se que o PIB (P) tenha uma relação direta, ou seja, quanto maior o PIB (P) maior o Investimento Produtivo (I), assim, esperava-se que o sinal fosse positivo. Todavia, verifica-se que há uma relação negativa entre o Investimento Produtivo e o PIB, o que é incoerente com a teoria. Mas para validar ou não o modelo, precisamos realizar o teste t. c) Analise os testes t; Vamos escrever os testes na equação de regressão que representa nosso modelo: O valor de significância do teste é 5% = 0,05. Observando o valor-p de cada coeficiente, temos que: Para b0 o valor-p é 0,002 que é menor que 0,05; Para b1 o valor-p é 0,019 que é menor que 0,05; e Para b2 o valor-p é 0,074 que é maior que 0,05. Deste modo, apenas os coeficientes b0 e b1 passam no teste aceitando H1 e rejeitando H0. O coeficiente b2 rejeita H1 e aceita H0. Podemos comparar os valores com o t tabelado para tirar a prova real. Como temos 13 observações e 3 parâmetros na nossa amostra, o gl será 13 – 3 = 10. Então o t tabelado é 2,228. Como a curva é simétrica, o valor tabelado vale tanto para o lado positivo (2,228) como para o lado negativo (– 2,228). O t de b0 (4,09) é maior que o t tabelado (2,228), caindo dentro da área do H1 no gráfico da distribuição t, ao lado direito por ser positivo. O t de b1 (– 2,80) é menor que o t tabelado (– 2,228), caindo dentro da área do H1 no gráfico da distribuição t, ao lado esquerdo por ser negativo. O t de b2 (– 1,99) é maior que o t tabelado (– 2,228), caindo dentro da área do Ho no gráfico da distribuição t, ao lado esquerdo por ser negativo. Após calcularmos os testes t, que é uma das condições de aprovação do nosso modelo de regressão múltipla (além da análise do sinal da função já realizado), podemos dizer que o modelo não é bom, dado que há uma relação negativa (incoerente com a teoria) entre as variáveis, já mencionada. Ainda, nem todos os parâmetros passaram no teste t. Os parâmetros (b0 e b1) estimados aceitam H1 e rejeitam H0, a um nível de confiança de 5%. Todavia, o parâmetro (b2) estimado rejeita H1 e aceita H0, a um nível de confiança de 5%. Mas, além de analisarmos os sinais das variáveis e o teste t, temos que calcular o R² e coeficiente global de regressão (F), para que o modelo possa ser validado ou não. d) Analise o R2 ajustado e o F; O R² ajustado deu 0,35 ou 35%, isso indica que as variações conjuntas de J (taxa de juros) e P (PIB) explicam somente 35% da variação de I (Investimento Produtivo), resultando em um erro do modelo de estimação de 0,65 ou 65%. Dessa forma, o poder de explicação do erro é maior que os das variáveis explicativas, o que pode nos levar a descartar o modelo para a previsão. O fato de ser uma série temporal nos indica a possibilidade de problema de autocorrelação. O F calculado para o nosso exemplo do investimento deu 4,306. Comparando com o F tabelado, temos: k – 1 = 3 – 1 = 2 e n – k = 13 – 3 = 10. Então, temos um F(2,10). O F tabelado é 4,1. Como o F calculado (4,3) é um pouco maior que (4,1) o teste global da regressão deu bom, ou seja é satisfatório. O valor-p do teste F nos diz o percentual de significância do teste, no caso 0,045 que é menor que 0,05. A hipótese de que as variáveis J e P, conjuntamente, afetam I é aceita ao nível de significância de 5%, conforme indica o teste F. Isso significa que, pelo menos, uma dessas variáveisinfluencia significativamente a quantidade demandada, com uma probabilidade de erro de apenas 5%. e) Faça o teste para verificar problema de autocorrelação; Como podemos perceber, o modelo apresenta contradições nos seus resultados, nem todos os sinais dos parâmetros são os esperados, nem todos os parâmetros passam no teste t, como se espera. Apesar de o modelo passar no teste F, o R² é muito baixo (0,46 ou 46%), o que nos leva a pensar em descartar o modelo para previsão. Deste modo, precisamos verificar se há a possibilidade de um problema de autocorrelação. Vamos calcular o teste de Durbin Watson, conforme a equação abaixo: Para conseguirmos o d calculado, temos que defasar o e (erro), ou seja, criar a variável defasada. Vamos criar a variável no Excel e depois diminuir os valores e elevar ao quadrado. Figura 4 – Cálculo do d Fonte: Elaboração do autor, 2022. O resultado de d é obtido clicando no valor 2381,36358 que representa a soma de dividido pelo SQ do ANOVA, que é o nosso erro ao quadrado (2472,0515). Agora vamos analisar o gráfico do teste de Durbin Watson (página 112 do livro didático) para comparar este valor de d calculado com o d tabelado. A nossa amostra apresenta os seguintes dados: n = 13 k = 2 (número de variáveis explicativas). Consultando a tabela teste Gujarati, temos: O d calculado é maior que 0,861 (di) e menor que 1,562 (ds). Assim, o d calculado está localizado na região II. Deste modo, o teste é não conclusivo (di < d < ds). f) O modelo serve para previsão? Por quê? O modelo não serve para previsão, pelos seguintes motivos: 1) Referente à análise do sinal da função estimada: esperava-se que o PIB (P) tivesse uma relação direta com o Investimento Produtivo (I), ou seja, quanto maior o PIB maior o Investimento Produtivo, assim, esperava-se que o sinal fosse positivo. Todavia, verifica-se que há uma relação negativa entre o Investimento Produtivo e o PIB, o que é incoerente com a teoria; 2) Referente aos testes t: nem todos os parâmetros passaram no teste t. Os parâmetros (b0 e b1) estimados aceitam H1 e rejeitam H0, a um nível de confiança de 5%. Todavia, o parâmetro (b2) estimado rejeita H1 e aceita H0, a um nível de confiança de 5%; 3) Referente ao R² ajustado: o valor de R² ajustado deu 0,35 ou 35%, isso indica que as variações conjuntas de J (taxa de juros) e P (PIB) explicam somente 35% da variação de I (Investimento Produtivo), resultando em um erro do modelo de estimação de 0,65 ou 65%. Dessa forma, o poder de explicação do erro é maior que os das variáveis explicativas, o que pode indicar a possibilidade de problema de autocorrelação; 4) Referente ao teste do F: o F tabelado é 4,1. Como o F calculado (4,3) é um pouco maior que (4,1) o teste global da regressão deu bom, ou seja, é satisfatório; e 5) Referente ao problema de autocorrelação: o d calculado é maior que 0,861 (di) e menor que 1,562 (ds). Assim, o d calculado está localizado na região II. Deste modo, o teste é não conclusivo (di < d < ds). Deste modo, o modelo não é aceitável para previsão.