Sie sind auf Seite 1von 8

UNIVERSIDADE EDUARDO MONDLANE Faculdade de Economia Curso: Licenciatura em Economia Disciplina: Econometria II Primeiro Semestre, 2014

ReSoluo do TPC # 2

1. Considere o seguinte modelo do salrio:

wage 0 1 gen 2educ 3 exp er 4tenure u ,


onde wage = salrio, gen = varivel dummy que toma o valor de 1 se o indivduo do gnero feminino e 0 caso contrrio, edu = educao, exp er = experincia, tenure = estabilidade no emprego, u = termo de erro e os s so parmetros a estimar. Note que as variveis de controlo

edu , exp er e tenure so todas elas caractersticas relevantes da produtividade.

a) Use os dados apresentados no ficheiro WAGE1 para estimar este modelo, e apresente os resultados de regresso na forma usual. (1) = -1,567939 - 1,810852gen + 0,5715048edu + 0,0253959exper + 0,1410051tenure Se (0,7245511) (0,2648252) (0,0493373) (0,0115694) (0,0211617) 2 R =0,3635 n=526 Resposta: . reg wage female educ exper tenure Source | SS df MS Number of obs = 526 -------------+-----------------------------F( 4, 521) = 74.40 Model | 2603.10658 4 650.776644 Prob > F = 0.0000 Residual | 4557.30771 521 8.7472317 R-squared = 0.3635 -------------+-----------------------------Adj R-squared = 0.3587 Total | 7160.41429 525 13.6388844 Root MSE = 2.9576 -----------------------------------------------------------------------------wage | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------female | -1.810852 .2648252 -6.84 0.000 -2.331109 -1.290596 educ | .5715048 .0493373 11.58 0.000 .4745802 .6684293 exper | .0253959 .0115694 2.20 0.029 .0026674 .0481243 tenure | .1410051 .0211617 6.66 0.000 .0994323 .1825778 _cons | -1.567939 .7245511 -2.16 0.031 -2.991339 -.144538 -----------------------------------------------------------------------------b) Interprete o intercepto estimado. (1) resposta c) Interprete o coeficiente estimado da varivel dummy. (1) Neste modelo queremos verificar o efeito da varivel gnero, sobre o nvel de renda, mantendo constantes as variveis educao, tempo de experincia e tempo de permanncia no emprego. A varivel gnero tem valor igual a um quando feminino, e igual a zero em caso contrrio. O valor do coeficiente estimado para a varivel gnero igual a -1,81, o que significa que as mulheres ganham em mdia 1,81 dlares a menos do que os homens com mesmos nveis de educao, experincia e permanncia no emprego. Mantendo constante as trs outras variveis, o valor de 1,81 refere-se exclusivamente, ao efeito da varivel gnero.

d) Agora exclua do modelo todas as variveis de controlo, estime o modelo de regresso linear simples resultante e apresente os resultados de regresso na forma usual. (1) se (0,2100082) (0,3034092) 2 R =0,1157 n=526 Resposta: Source | SS df MS Number of obs = 526 -------------+-----------------------------F( 1, 524) = 68.54 Model | 828.220467 1 828.220467 Prob > F = 0.0000 Residual | 6332.19382 524 12.0843394 R-squared = 0.1157 -------------+-----------------------------Adj R-squared = 0.1140 Total | 7160.41429 525 13.6388844 Root MSE = 3.4763 -----------------------------------------------------------------------------wage | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------female | -2.51183 .3034092 -8.28 0.000 -3.107878 -1.915782 _cons | 7.099489 .2100082 33.81 0.000 6.686928 7.51205 -----------------------------------------------------------------------------e) Qual das duas equaes fornece uma maneira simples de realizar uma comparao entre os dois grupos? Porqu? (1) A segunda equao permite fazer uma melhor comparao entre estes dois grupos (homens e mulheres) na medida em que o valor do termo de intercepto (7,0994) deve ser interpretado como o salrio mdio dos homens na amostra (gen=0). O valor do coeficiente estimado para a varivel dummy (gen) corresponde diferena entre o salrio mdio das mulheres e dos homens. O resultado dessa regresso comparvel a um teste t para comparao de mdias populacionais para dois grupos f) Compare as diferenas salariais entre os dois grupos nas duas equaes. (1) De acordo com alnea anterior, o salrio mdio das mulheres igual a 7,0994 + (-2,5118) = 4.5876. O resultado dessa regresso comparvel a um teste t para comparao de mdias populacionais para dois grupos.

g) Estime a equao original de salrios, usando log(wage) como variavel dependente e adicionando termos quadrticos de exper e tenure. Apresente os resultados de regresso na forma usual, e explique o que implica o coeficiente de gen. (2) 0, 416691 - 0,296511gen + 0,0801967edu + 0,0294324exper + 0,0317139tenure se (0,0989279) (0,0358055) (0,0067573) (0,0049752) (0,0068452) 0,0005827exper2 0,0005852tenure2 (0,0001073) R2=0,4408 (0,0002347) n=526

Source | SS df MS Number of obs = 526 -------------+-----------------------------F( 6, 519) = 68.18 Model | 65.3791009 6 10.8965168 Prob > F = 0.0000 Residual | 82.9506505 519 .159827843 R-squared = 0.4408 -------------+-----------------------------Adj R-squared = 0.4343 Total | 148.329751 525 .28253286 Root MSE = .39978 -----------------------------------------------------------------------------lnwage | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------female | -.296511 .0358055 -8.28 0.000 -.3668524 -.2261696 educ | .0801967 .0067573 11.87 0.000 .0669217 .0934716 exper | .0294324 .0049752 5.92 0.000 .0196585 .0392063 exper2 | -.0005827 .0001073 -5.43 0.000 -.0007935 -.0003719 tenure | .0317139 .0068452 4.63 0.000 .0182663 .0451616 tenure2 | -.0005852 .0002347 -2.49 0.013 -.0010463 -.0001241 _cons | .416691 .0989279 4.21 0.000 .2223425 .6110394 h) Agora estime um modelo, no qual a varivel dependente log(wage), que permite diferenas salariais entre quatro grupos: homens casados, mulheres casadas, homens solteiros e mulheres solteiras. Para tal, defina variveis dummy para cada um dos restantes grupos. Chame estes grupos de casmasc, casfem e soltfem. Inclua estas trs variveis na equao estimada na alinea anterior (e, com certeza, removendo gen, uma vez que ela agora redundante). Alm disso, eleve ao quadrado as variveis exp er e tenure e inclua estes termos quadrticos no modelo. Apresente os resultados de regresso na forma usual. (Dica: use o comando do Stata gen dummy =
group == 1 & !missing(group) para criar as variveis dummy necessrias para fazer as interaces entre as dummies envolvidas). (2)

se

0,3213781 + 0,0789103edu + 0,0268006exper + 0,0290875tenure (0,100009) ( 0,0066945) (0,0052428) (0,006762)

0,0005352exper2 0,0005331tenure2 + 0,2126757casmasc - 0,1982676casfem (0,0001104) 0,1103502soltfem (0,0557421) R2= 0,4609 n=526 (0,0002312) (0,0553572) (0,0578355)

Source | SS df MS Number of obs = 526 -------------+-----------------------------F( 8, 517) = 55.25 Model | 68.3617623 8 8.54522029 Prob > F = 0.0000 Residual | 79.9679891 517 .154676961 R-squared = 0.4609 -------------+-----------------------------Adj R-squared = 0.4525 Total | 148.329751 525 .28253286 Root MSE = .39329 -----------------------------------------------------------------------------lnwage | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------marrmale | .2126757 .0553572 3.84 0.000 .103923 .3214284 marrfem | -.1982676 .0578355 -3.43 0.001 -.311889 -.0846462 singfem | -.1103502 .0557421 -1.98 0.048 -.219859 -.0008414 educ | .0789103 .0066945 11.79 0.000 .0657585 .092062 exper | .0268006 .0052428 5.11 0.000 .0165007 .0371005 exper2 | -.0005352 .0001104 -4.85 0.000 -.0007522 -.0003183 tenure | .0290875 .006762 4.30 0.000 .0158031 .0423719 tenure2 | -.0005331 .0002312 -2.31 0.022 -.0009874 -.0000789 _cons | .3213781 .100009 3.21 0.001 .1249041 .5178521

i) Discuta a significncia estatstica de todos os coeficientes estimados. (1) Para este caso, usaremos o nvel de significncia de 5% Para educ: H0: 1=0 (a varivel educao no tem nenhuma influencia na variao de salario) H1: 1>0 ( a varivel educao influencia directamente ou de forma positiva na variao de salario) p-value< nvel de significncia (0,000< 5%), ento rejeitamos a hiptese nula de que a educao no influencia na variao de salario. Para exper: 5

H0: 2= 0 (a experiencia no influencia na variao de salario) H1: 2>0 (a experiencia influencia de forma positiva na variao de salario) p-value< nvel de significncia (0,000< 5%), ento rejeitamos a hiptese nula de que a experiencia no influencia na variao de salario. Para tenure: H0: 3= 0 (a varivel tenure no influencia na variao de salario) H1: 3>0 (avarivel tenure influencia de forma positiva na variao de salario) p-value< nvel de significncia (0,000< 5%), ento rejeitamos a hiptese nula de que a varivel tenure no influencia na variao de salario. Para exper2: H0: 4= 0 (a varivel experiencia ao quadrado no influencia na variao de salario) H1: 40 (a varivel experiencia ao quadrado influencia na variao de salario) p-value< nvel de significncia (0,000< 5%), ento rejeitamos a hiptese nula de que a varivel experiencia ao quadrado no influencia na variao de salario. Para tenure2: H0: 5= 0 (a varivel tenure ao quadrado no influencia na variao de salario) H1: 50 (a varivel tenure ao quadrado influencia na variao de salario) p-value< nvel de significncia (0,022< 5%), ento rejeitamos a hiptese nula de que a varivel tenure ao quadrado no influencia na variao de salario. Para casmasc: H0: 6=0 (a varivel casmasc no influencia na variao de salario) H1= 6>0 (a varivel casmasc influencia de forma positiva na variao do salario) p-value < nvel de significncia (0,000< 5%), ento rejeitamos a hiptese nula de que a varivel casmasc no influencia na variao de salario. Para casfem: H0: 7=0 (a varivel casfem no influencia na variao de salario) H1= 7<0 (a varivel casfem influencia de forma negativa na variao do salario) p-value < nvel de significncia (0,001< 5%), ento rejeitamos a hiptese nula de que a varivel casfem no influencia na variao de salario. Para soltfem: H0: 8=0 (a varivel soltfem no influencia na variao de salario) H1= 8<0 (a varivel soltfem influencia de forma negativa na variao do salario) p-value < nvel de significncia (0,048< 5%), ento rejeitamos a hiptese nula de que a varivel soltfem no influencia na variao de salario. j) Interprete os coeficientes estimados das variveis dummy. (Dica: recorde-se que os solteiros do gnero masculino so o grupo base). (1) Resposta: As variveis dummy medem a variao proporcional de salario, relativamente aos solteiros do gnero masculino. 6

k) Note que na equao aumentada, o grupo base representado pelo intercepto. Por essa razo, esto includas no modelo variveis dummy para somente trs dos quatro grupos. O que aconteceria se voc adicionasse uma varivel dummy para solteiros do gnero masculino? (1) Se adicionssemos a varivel dummy para solteiros do gnero masculino, iriamos cair na armadilha da varivel dummy que consiste em introduzir no modelo a multicolinearidade perfeita. l) Qual a diferena proporcional estimada entre mulheres solteiras e casadas? O que esta diferena significa? (1) A diferenca propocional estimada entre mulheres solteiras e casadas, : singfem-marrfem= 0,110 (-0,198)= 0,88; o que significa que mulheres solteiras ganham mais 8,8% salrio em relao mulheres casadas.
Thus, the estimated proportionate difference between single and married women is _.110 _ (_.198) _ .088, which means that single women earn about 8.8% more than married women. Unfortunately, we cannot use equation (7.11) for testing whether the estimated difference between single and married women is statistically significant.
age float %8.2g educ byte %8.0g exper byte %8.0g tenure byte %8.0g nonwhite byte %8.0g female byte %8.0g married byte %8.0g numdep byte %8.0g smsa byte %8.0g northcen byte %8.0g south byte %8.0g west byte %8.0g construc byte %8.0g ndurman byte %8.0g trcommpu byte %8.0g trade byte %8.0g services byte %8.0g profserv byte %8.0g profocc byte %8.0g clerocc byte %8.0g servocc byte %8.0g lwage float %9.0g expersq int %9.0g tenursq int %9.0g average hourly earnings years of education years potential experience years with current employer =1 if nonwhite =1 if female =1 if married number of dependents =1 if live in SMSA =1 if live in north central U.S =1 if live in southern region =1 if live in western region =1 if work in construc. indus. =1 if in nondur. manuf. indus. =1 if in trans, commun, pub ut =1 if in wholesale or retail =1 if in services indus. =1 if in prof. serv. indus. =1 if in profess. occupation =1 if in clerical occupation =1 if in service occupation log(wage) exper^2 tenure^2

2. Use os dados apresentados no ficheiro APPLE para responder as perguntas abaixo. a) Defina uma varivel binria como ecobuy = 1 se ecolbs > 0 e ecobuy = 0 se ecolbs = 0. Por outras palavras, ecobuy indica se a dados preos uma famlia compraria mas ecologicamente amistosas. Que fraco de famlias reclama que elas comprariam mas rotuladas com eco? (1) b) Estime o modelo de probabilidade linear (MPL):

ecobuyi 0 1ecoprci 2 regprci 3 fa min ci 4 hhsizei 5educi 6agei ui ,

i 1, 2,..., n

onde ecoprc = preo de mas rotuladas com eco (em $), regprc = preo de mas regulares (em $), fa min c = rendimento familiar (em $ 103 ), hhsize = tamanho do agregado familiar, (nmero de indivduos), educ = educao (nmero de anos de escolaridade) e age = idade (em anos). Apresente os resultados na forma habitual. Interprete cuidadosamente os coeficientes das variveis preos. (2) c) As variveis no-preos so conjuntamente significativas no MPL? Que varivel explicativa (alm das variveis preos) parece ter o efeito mais importante sobre a deciso de comprar mas rotuladas com eco? Isso faz sentido para si? (2) d) No modelo da parte (ii), substitua fa min c por log( fa min c) . Que modelo ajusta melhor os dados, usando fa min c ou log( fa min c) ? Interprete o coeficiente de log( fa min c) . (2)