FACULDADE DE ECONOMIA DO PORTO

Licenciatura em Economia

ECONOMETRIA
(1EC303)

Exame Final
08 de Janeiro de 2020

NOTAS PRÉVIAS:
1. A primeira parte da prova tem duração de 60 minutos e é constituída pelas questões que
integram o I Grupo. Após um intervalo de cerca de 15 minutos, terá lugar a segunda parte da
prova, que tem duração de 90 minutos (II e III Grupos).
2. Apenas é permitida a consulta das tabelas estatísticas e do formulário que lhe foram
distribuídos.
3. Por favor, responda a cada grupo de questões em folhas separadas.
4. Pela ordem por que são apresentados, as cotações dos três grupos de questões são de 8, 5
e 7 valores.
5. Nos testes estatísticos, se nada for dito em contrário, use um nível de significância de
0,05.

I GRUPO

Com base em dados anuais, de 1947 a 2000, relativos às despesas reais em consumo nos
Estados Unidos (CONS), um investigador propôs o seguinte modelo

ln𝐶𝑂𝑁𝑆𝑡 = 𝛽1 + 𝛽2 ln𝐷𝑃𝐼𝑡 + 𝛽3 ln𝑊𝑡 + 𝛽4 𝑅𝑡 + 𝛽5 𝑡 + 𝑢𝑡 , 𝑡 = 1,2, … ,54,

em que DPI, W e R representam, em termos reais, o rendimento disponível, a riqueza e a taxa

de juro, respectivamente. O modelo acima foi estimado por OLS e os resultados são
apresentados no Quadro 1.1.

a) Interprete as estimativas de 𝛽2 e de 𝛽4 .

b) Teste a hipótese de 𝛽5 ser igual a 0,01.Qual o significado económico dessa hipótese? Que
pode concluir?

c) Para averiguar se a crise petrolífera em 1979 teria tido um impacto significativo nas
despesas em consumo dos Estados Unidos, obtiveram-se os Quadros 1.2 e 1.3. Que pode
concluir? Baseie a sua resposta num teste estatístico adequado.

d) Poderia responder à questão da alínea anterior através de um teste estatístico alternativo.

Especifique o modelo a estimar e indique, justificadamente, as estimativas dos coeficientes de
regressão que obteria.

e) Pronuncie-se sobre a hipótese de ausência de autocorrelação das perturbações, usando os

resultados do Quadro 1.4. Que conclui? Que significa a mensagem “Presample missing value
lagged residuals set to zero“ que aparece no Quadro?

1
Quadro 1.1

Dependent Variable: LOG(CONS)

Method: Least Squares
Sample: 1947 2000
Included observations: 54

Variable Coefficient Std. Error t-Statistic Prob.

C 0.664061 0.351326 1.890157 0.0647

LOG(DPI) 0.721222 0.030383 23.73760 0.0000
LOG(W) 0.136920 0.025575 5.353556 0.0000
R -0.002425 0.000703 -3.448342 0.0012
T 0.005183 0.001599 3.241685 0.0021

R-squared 0.999637 Mean dependent var 7.826093

Adjusted R-squared 0.999608 S.D. dependent var 0.552368
S.E. of regression 0.010939 Akaike info criterion -6.104977
Sum squared resid 0.005863 Schwarz criterion -5.920812
Log likelihood 169.8344 Hannan-Quinn criter. -6.033952
F-statistic 33773.44 Durbin-Watson stat 1.336382
Prob(F-statistic) 0.000000

Quadro 1.2

Dependent Variable: LOG(CONS)

Method: Least Squares
Sample: 1947 1978
Included observations: 32

Variable Coefficient Std. Error t-Statistic Prob.

C 0.662239 0.566140 1.169743 0.2523

LOG(DPI) 0.860203 0.077588 11.08681 0.0000
LOG(W) 0.025480 0.042741 0.596159 0.5560
R -0.001109 0.000863 -1.285393 0.2096
T 0.003205 0.003088 1.038071 0.3084

R-squared 0.999341 Mean dependent var 7.448394

Adjusted R-squared 0.999243 S.D. dependent var 0.361770
S.E. of regression 0.009951 Akaike info criterion -6.239714
Sum squared resid 0.002674 Schwarz criterion -6.010693
Log likelihood 104.8354 Hannan-Quinn criter. -6.163800
F-statistic 10236.68 Durbin-Watson stat 1.529737
Prob(F-statistic) 0.000000

2
Quadro 1.3

Dependent Variable: LOG(CONS)

Method: Least Squares
Sample: 1979 2000
Included observations: 22

Variable Coefficient Std. Error t-Statistic Prob.

C -0.409474 0.874568 -0.468201 0.6456

LOG(DPI) 0.855841 0.131819 6.492539 0.0000
LOG(W) 0.145441 0.048780 2.981587 0.0084
R -0.000830 0.001939 -0.428353 0.6738
T 0.001512 0.003460 0.436897 0.6677

R-squared 0.997848 Mean dependent var 8.375472

Adjusted R-squared 0.997341 S.D. dependent var 0.208014
S.E. of regression 0.010725 Akaike info criterion -6.035675
Sum squared resid 0.001956 Schwarz criterion -5.787711
Log likelihood 71.39242 Hannan-Quinn criter. -5.977262
F-statistic 1970.504 Durbin-Watson stat 1.353059
Prob(F-statistic) 0.000000

Quadro 1.4

Dependent Variable: RESID

Method: Least Squares
Sample: 1947 2000
Included observations: 54
Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.

C -0.024974 0.339183 -0.073630 0.9416

LOG(DPI) -0.003250 0.029298 -0.110921 0.9122
LOG(W) 0.005581 0.024667 0.226269 0.8220
R 4.73E-05 0.000692 0.068362 0.9458
T -8.09E-05 0.001543 -0.052425 0.9584
RESID(-1) 0.370554 0.153522 2.413695 0.0197
RESID(-2) -0.230335 0.155089 -1.485178 0.1442

R-squared 0.123649 Mean dependent var 3.17E-17

Adjusted R-squared 0.011774 S.D. dependent var 0.010518
S.E. of regression 0.010456 Akaike info criterion -6.162891
Sum squared resid 0.005138 Schwarz criterion -5.905060
Log likelihood 173.3981 Hannan-Quinn criter. -6.063456
F-statistic 1.105246 Durbin-Watson stat 1.887024
Prob(F-statistic) 0.373581

A variável RESID corresponde ao resíduo da estimação no Quadro 1.1.

3
 FACULDADE DE ECONOMIA DO PORTO

Licenciatura em Economia

ECONOMETRIA
(1EC303)

Exame Final
08 de Janeiro de 2020

II GRUPO

Com base numa amostra de 64 cidades universitárias norte-americanas, pretende-se

averiguar se uma forte presença de estudantes universitários afecta o preço de arrendamento
dos imóveis para habitação. Os dados dizem respeito ao ano de 1990 e incluem informação
sobre preços médios de arrendamento, bem como informação sobre outras variáveis que
caracterizam as cidades universitárias. A especificação do modelo a estimar é:

ln renti =  ln popiln avgincipctstui + ui (1)

em que:

renti – preço médio do arrendamento para habitação na i-ésima cidade;

popi – população da i-ésima cidade;
avginci – rendimento per capita da i-ésima cidade;
pctstui – população universitária como percentagem da população total da i-ésima cidade
(durante o ano escolar).

Os resultados da estimação por mínimos quadrados ordinários do modelo (1) são

apresentados no Quadro 2.1. Foram ainda obtidos os resultados correspondentes ao Quadros
2.2 e 2.3.

a) Com que objectivo foi estimada a regressão apresentada no Quadro 2.2? Que pode
concluir desses resultados?
b) Que pode concluir quanto à influência da dimensão da população de estudantes
universitários sobre o preço médio de arrendamento para habitação? Proceda a um teste
apropriado.

c) Um dos autores do estudo sugeriu que talvez fosse mais adequado estimar o
seguinte modelo:
ln 𝑟𝑒𝑛𝑡𝑖 ln 𝑝𝑜𝑝𝑖 1 𝑝𝑐𝑡𝑠𝑡𝑢𝑖
= +  +  +  + vi (2)
ln 𝑎𝑣𝑔𝑖𝑛𝑐𝑖 ln 𝑎𝑣𝑔𝑖𝑛𝑐𝑖 ln 𝑎𝑣𝑔𝑖𝑛𝑐𝑖 ln 𝑎𝑣𝑔𝑖𝑛𝑐𝑖

Concorda? Que vantagens poderia haver na estimação deste modelo em vez da do modelo
enunciado em (1)? Justifique.

4
III GRUPO

Com base em dados relativos a 265 utentes de um centro de saúde, estimaram-se os modelos
reportados nos Quadros 3.1 e 3.2, em que:

PS – variável binária definida como =1 se o utente do centro de saúde refere que tem
problemas de sono, =0 caso contrário;
HD – número de horas que o utente dorme por noite, em média;
ANS – índice de ansiedade (varia de 0 = não apresenta sinais de ansiedade até 21 = ansiedade
severa).

a) Indique, justificadamente, que propriedades têm os estimadores dos coeficientes de

regressão utilizados no Quadro 3.1. Poderia validamente utilizar as estatísticas t apresentadas
nesse Quadro para os testes de significância individual das variáveis explicativas? Justifique.

b) Com base nos dois modelos,

b1) Estime a probabilidade de um utente que dorme 5 horas por noite e que apresenta
um nível de ansiedade de 17 ter problemas de sono. Comente os valores obtidos.

b2) Por referência aos mesmos valores das variáveis HD e ANS considerados na alínea
anterior, estime o efeito marginal da variável HD sobre a probabilidade de um utente
ter problemas de sono. Interprete os valores obtidos.

c) Posteriormente foi acrescentada a variável SEXO (variável binária definida como =1 se o

utente é do sexo masculino, =0 caso contrário) ao modelo subjacente ao Quadro 3.2, tendo-se
obtido um valor para o pseudo R2 (McFadden R-squared) do novo modelo de 0,1264. O
género do utente é um factor estatisticamente significativo para explicar os problemas de
sono? Justifique através de um teste estatístico adequado.

Quadro 2.1

Dependent Variable: LOG(RENT)

Method: Least Squares
Sample: 1 64
Included observations: 64

Variable Coefficient Std. Error t-Statistic Prob.

C 0.042781 0.843875 0.050696 0.9597

LOG(POP) 0.065868 0.038826 1.696489 0.0950
LOG(AVGINC) 0.507015 0.080836 6.272179 0.0000
PCTSTU 0.005630 0.001742 3.231621 0.0020

R-squared 0.457905 Mean dependent var 6.026034

Adjusted R-squared 0.430800 S.D. dependent var 0.200436
S.E. of regression 0.151220 Akaike info criterion -0.879706
Sum squared resid 1.372042 Schwarz criterion -0.744776
Log likelihood 32.15059 Hannan-Quinn criter. -0.826550
F-statistic 16.89390 Durbin-Watson stat 1.674803
Prob(F-statistic) 0.000000

5
Quadro 2.2
Dependent Variable: RESID^2
Method: Least Squares
Sample: 1 64
Included observations: 64

Variable Coefficient Std. Error t-Statistic Prob.

C 9.271490 6.970506 1.330103 0.1891

LOG(POP)^2 -0.004613 0.014278 -0.323094 0.7479
LOG(POP)*LOG(AVGINC) -0.034679 0.055744 -0.622110 0.5365
LOG(POP)*PCTSTU -0.000177 0.001321 -0.134053 0.8939
LOG(POP) 0.450895 0.544254 0.828465 0.4111
LOG(AVGINC)^2 0.137341 0.050797 2.703726 0.0091
LOG(AVGINC)*PCTSTU -0.000429 0.001924 -0.222959 0.8244
LOG(AVGINC) -2.354480 1.042437 -2.258631 0.0280
PCTSTU^2 1.37E-05 2.76E-05 0.497900 0.6206
PCTSTU 0.004614 0.025220 0.182947 0.8555

R-squared 0.276634 Mean dependent var 0.021438

Adjusted R-squared 0.156073 S.D. dependent var 0.039424
S.E. of regression 0.036217 Akaike info criterion -3.655963
Sum squared resid 0.070831 Schwarz criterion -3.318638
Log likelihood 126.9908 Hannan-Quinn criter. -3.523074
F-statistic 2.294555 Durbin-Watson stat 2.066428
Prob(F-statistic) 0.029087

A variável RESID corresponde ao resíduo da estimação no Quadro 2.1.

Quadro 2.3
Dependent Variable: LOG(RENT)
Method: Least Squares
Sample: 1 64
Included observations: 64
White-Hinkley (HC1) heteroskedasticity consistent standard errors
and covariance

Variable Coefficient Std. Error t-Statistic Prob.

C 0.042781 1.239244 0.034522 0.9726

LOG(POP) 0.065868 0.037249 1.768333 0.0821
LOG(AVGINC) 0.507015 0.137248 3.694163 0.0005
PCTSTU 0.005630 0.001749 3.219193 0.0021

R-squared 0.457905 Mean dependent var 6.026034

Adjusted R-squared 0.430800 S.D. dependent var 0.200436
S.E. of regression 0.151220 Akaike info criterion -0.879706
Sum squared resid 1.372042 Schwarz criterion -0.744776
Log likelihood 32.15059 Hannan-Quinn criter. -0.826550
F-statistic 16.89390 Durbin-Watson stat 1.674803
Prob(F-statistic) 0.000000 Wald F-statistic 10.98495
Prob(Wald F-statistic) 0.000008

6
Quadro 3.1

Dependent Variable: PS
Method: Least Squares
Sample: 1 265
Included observations: 265

Variable Coefficient Std. Error t-Statistic Prob.

C 0.835848 0.210563 3.969587 0.0001

HD -0.096358 0.027463 -3.508625 0.0005
ANS 0.043116 0.008204 5.255419 0.0000

R-squared 0.159834 Mean dependent var 0.437736

Adjusted R-squared 0.153421 S.D. dependent var 0.497047
S.E. of regression 0.457331 Akaike info criterion 1.284439
Sum squared resid 54.79784 Schwarz criterion 1.324965
Log likelihood -167.1882 Hannan-Quinn criter. 1.300722
F-statistic 24.92159 Durbin-Watson stat 0.325347
Prob(F-statistic) 0.000000

Quadro 3.2

Dependent Variable: PS
Method: ML - Binary Logit (Newton-Raphson / Marquardt steps)
Sample: 1 265
Included observations: 265
Convergence achieved after 4 iterations
Coefficient covariance computed using observed Hessian

Variable Coefficient Std. Error z-Statistic Prob.

C 1.679961 1.030220 1.630683 0.1030

HD -0.464242 0.139031 -3.339126 0.0008
ANS 0.202587 0.042540 4.762245 0.0000

McFadden R-squared 0.125155 Mean dependent var 0.437736

S.D. dependent var 0.497047 S.E. of regression 0.457614
Akaike info criterion 1.221832 Sum squared resid 54.86549
Schwarz criterion 1.262357 Log likelihood -158.8927
Hannan-Quinn criter. 1.238114 Deviance 317.7854
Restr. deviance 363.2479 Restr. log likelihood -181.6239
LR statistic 45.46244 Avg. log likelihood -0.599595
Prob(LR statistic) 0.000000

Obs with Dep=0 149 Total obs 265

Obs with Dep=1 116